Տարբերությունը պայմանական և սահմանային բաշխման միջև (բացատրված) – Բոլոր տարբերությունները
Բովանդակություն
Հավանականությունը մաթեմատիկայի այն ճյուղն է, որը քանակականացնում է որոշակի իրադարձության կանխատեսումը տվյալ տվյալների հավաքածուի համար: Այն մաթեմատիկական մեկնաբանություն է տալիս ցանկալի արդյունքի հասնելու հավանականությանը:
Ցանկացած իրադարձության տեղի ունենալու հավանականությունը ընկնում է զրոյի և մեկի միջև: Զրոն նշանակում է, որ այդ իրադարձության հավանականությունը կամ հավանականությունը չկա, իսկ մեկը ցույց է տալիս, որ որոշակի իրադարձության տեղի ունենալու հավանականությունը 100% է։
Հավանականության ուսումնասիրությունը մեզ հնարավորություն է տալիս կանխատեսել կամ դատել շանսերը։ ցանկացած ցանկալի իրադարձության հաջողության կամ ձախողման և միջոցներ ձեռնարկել այն բարելավելու համար:
Օրինակ, նոր արտադրանքի փորձարկման ժամանակ ձախողման մեծ հավանականությունը նշանակում է ցածրորակ արտադրանք: Ձախողման կամ հաջողության հնարավորությունների քանակական գնահատումը կարող է օգնել արտադրողներին բարելավել իրենց արտադրանքի որակը և փորձը:
Տվյալների վերլուծության մեջ սահմանային և պայմանական բաշխումները օգտագործվում են երկփոփոխական տվյալների մեջ հավանականությունը գտնելու համար: Բայց նախքան դրան անցնելը, եկեք անցնենք որոշ հիմունքների միջով:
Տես նաեւ: Ո՞րն է տարբերությունը Jose Cuervo արծաթի և ոսկու միջև: (Եկեք ուսումնասիրենք) - Բոլոր տարբերություններըՀավանականության հիմունքներ
Հավանականության մեջ հաճախ օգտագործվող տերմինը «պատահական փոփոխական» է: Պատահական փոփոխականն օգտագործվում է տեղի ունեցող պատահական իրադարձության արդյունքները քանակականացնելու համար:
Օրինակ, դպրոցը հետազոտություն է անցկացնում՝ գալիք քննություններին մաթեմատիկայի իրենց աշակերտների կատարողականը կանխատեսելու համար՝ հիմնվելով նրանց նախորդի վրա: կատարումը։ Հետազոտությունը սահմանափակվում է ընդհանուր թվով 110սովորողներ 6-ից 8-րդ ստանդարտ. Եթե «X» պատահական փոփոխականը սահմանվում է որպես ստացված գնահատականներ: Ստորև բերված աղյուսակը ցույց է տալիս հավաքագրված տվյալները.
Դասարաններ | Աշակերտների թիվը |
A+ | 14 |
Ա- | 29 |
Բ | 35 |
C | 19 |
D | 8 |
E | 5 |
Ընդամենը ուսանողներ՝ | 110 |
Տվյալների նմուշ
P (X=A+) = 14/110 = 0,1273
0,1273 *100=12,7%
Սա ցույց է տալիս, որ ուսանողների մոտ 12,7%-ը կարող է միավորներ հավաքել իրենց առաջիկա քննություններին A+-ին:
Իսկ եթե դպրոցները նույնպես ցանկանան վերլուծել աշակերտների գնահատականները՝ կապված իրենց դասարանների հետ: Այսպիսով, A + վաստակած ուսանողների 12,7%-ից քանի՞սն են պատկանում 8-րդ ստանդարտին:
Մեկ պատահական փոփոխականի հետ գործ ունենալը բավականին պարզ է, բայց երբ ձեր տվյալները բաշխվում են երկու պատահական փոփոխականների նկատմամբ: , հաշվարկները կարող են մի փոքր բարդ լինել:
Երկփոփոխական տվյալներից համապատասխան տեղեկատվության արդյունահանման երկու ամենապարզեցված եղանակները մարգինալ և պայմանական բաշխումն են:
Հավանականության հիմունքները տեսողականորեն բացատրելու համար ահա մի տեսանյութ: Math Antics-ից.
Math Antics – Հիմնական հավանականություն
Ի՞նչ է նշանակում սահմանային բաշխում:
Մարգինալ բաշխումը կամ սահմանային հավանականությունը փոփոխականի բաշխումն է՝ անկախ մյուս փոփոխականից։ Դա կախված է միայն երկուսից մեկիցիրադարձություններ, որոնք տեղի են ունենում մյուս իրադարձության բոլոր հնարավորությունները ներառելիս:
Ավելի հեշտ է հասկանալ սահմանային բաշխման հայեցակարգը, երբ տվյալները ներկայացված են աղյուսակային տեսքով: Մարգինալ տերմինը նշանակում է, որ այն ներառում է լուսանցքների երկայնքով բաշխվածությունը:
Հետևյալ աղյուսակները ցույց են տալիս 110 աշակերտների գնահատականները 6-8-րդ ստանդարտից: Մենք կարող ենք օգտագործել այս տեղեկատվությունը նրանց գալիք մաթեմատիկայի քննության գնահատականը կանխատեսելու համար,
Գնահատականներ | 6-րդ ստանդարտ | 7-րդ ստանդարտ | 8-րդ ստանդարտ | Ընդհանուր թիվ. ուսանողներից |
A+ | 7 | 5 | 2 | 14 |
Ա- | 11 | 8 | 10 | 29 |
Բ | 6 | 18 | 11 | 35 |
C | 4 | 7 | 8 | 19 |
Դ | 1 | 3 | 4 | 8 |
E | 0 | 3 | 2 | 5 |
ԳՈՒՄԱՐ | 29 | 44 | 37 | 110 |
Տվյալների նմուշ
Օգտագործելով այս աղյուսակը կամ ընտրանքային տվյալները՝ մենք կարող ենք հաշվարկել գնահատականների սահմանային բաշխումը ուսանողների ընդհանուր թվի նկատմամբ կամ ուսանողների սահմանային բաշխումը որոշակի ստանդարտում:
Մարգինալ բաշխումը հաշվարկելիս մենք անտեսում ենք երկրորդ իրադարձության առաջացումը:
Օրինակ՝ C ստացած ուսանողների սահմանային բաշխումը հաշվարկելիս ընդհանուր թվի նկատմամբ:ուսանողներ, մենք պարզապես գումարում ենք յուրաքանչյուր դասարանի աշակերտների թիվը տողում և զառավորում ենք արժեքը ուսանողների ընդհանուր թվի հետ:
Աշակերտների ընդհանուր թիվը, ովքեր ստացել են C-ն բոլոր չափորոշիչներում միասին վերցրած 19 է:
6-8-րդ ստանդարտում սովորողների ընդհանուր թվի վրա բաժանելով՝ 19/110=0,1727
Արժեքը 100-ով բազմապատկելով՝ ստացվում է 17,27%։
17,27։ Ընդհանուր ուսանողների %-ը հասել է C-ի:
Մենք կարող ենք նաև օգտագործել այս աղյուսակը՝ յուրաքանչյուր ստանդարտում ուսանողների սահմանային բաշխումը որոշելու համար: Օրինակ, 6-րդ ստանդարտում ուսանողների սահմանային բաշխումը 29/110 է, որը տալիս է 0,2636: Այս արժեքը 100-ով բազմապատկելով՝ ստացվում է 26,36%:
Նմանապես, 7-րդ և 8-րդ ստանդարտներում ուսանողների սահմանային բաշխվածությունը համապատասխանաբար կազմում է 40% և 33,6%:
Ինչ է: Արդյո՞ք նշանակում է պայմանական բաշխումներ:
Պայմանական բաշխումը, ինչպես մեկնաբանվում է անունով, հիմնված է նախկինում գոյություն ունեցող պայմանի վրա: Դա մի փոփոխականի հավանականությունն է, մինչդեռ մյուս փոփոխականը սահմանված է տվյալ պայմանում:
Պայմանական բաշխումները թույլ են տալիս վերլուծել ձեր նմուշը երկու փոփոխականի վերաբերյալ: Տվյալների վերլուծության մեջ հաճախ իրադարձության տեղի ունենալու հավանականության վրա ազդում է մեկ այլ գործոն:
Պայմանական հավանականությունն օգտագործում է տվյալների աղյուսակային ներկայացումը: Սա բարելավում է նմուշի տվյալների վիզուալիզացիան և վերլուծությունը:
Օրինակ, եթե ուսումնասիրում եք միջին կյանքըԲնակչության միջակայքը, երկու փոփոխական, որոնք պետք է հաշվի առնել, կարող են լինել՝ նրանց օրական միջին կալորիականության ընդունումը և ֆիզիկական ակտիվության հաճախականությունը: Պայմանական հավանականությունը կարող է օգնել ձեզ պարզել ֆիզիկական ակտիվության ազդեցությունը բնակչության միջին կյանքի տևողության վրա, եթե նրանց օրական կալորիաների ընդունումը գերազանցում է 2500 կկալը կամ հակառակը:
Քանի որ մենք սահմանում ենք օրական կալորիաների ընդունումը < 2500կկալ, դրեցինք պայման. Այս պայմանի հիման վրա կարելի է որոշել ֆիզիկական գործունեության ազդեցությունը կյանքի միջին տևողության վրա:
Կամ, դիտարկելով երկու գերակշռող ապրանքանիշերի էներգետիկ ըմպելիքների վաճառքի շեղումները, երկու փոփոխականներ, որոնք ազդում են վաճառքի վրա: այս էներգետիկ ըմպելիքները նրանց ներկայությունն ու գինն են: Մենք կարող ենք օգտագործել պայմանական հավանականությունը՝ որոշելու գնի և երկու էներգետիկ ըմպելիքների առկայության ազդեցությունը հաճախորդների գնման մտադրության վրա:
Ավելի լավ հասկանալու համար եկեք դիտարկենք սահմանային բաշխման մեջ օգտագործվող նույն օրինակը. 1>
Դասարաններ | 6-րդ ստանդարտ | 7-րդ ստանդարտ | 8-րդ ստանդարտ | Ընդամենը ոչ. -իցուսանողներ |
A+ | 7 | 5 | 2 | 14 |
A- | 11 | 8 | 10 | 29 |
B | 6 | 18 | 11 | 35 |
C | 4 | 7 | 8 | 19 |
D | 1 | 3 | 4 | 8 |
E | 0 | 3 | 2 | 5 |
ԳՈՒՄԱՐ | 29 | 44 | 37 | 110 |
Տվյալների նմուշ
Օրինակ, դուք ցանկանում եք գտնել 6-րդ ստանդարտի ուսանողների բաշխվածությունը, որոնք հավաքում են C՝ կապված ուսանողների ընդհանուր թվի հետ: Դուք պարզապես բաժանում եք 6-րդ ստանդարտի այն ուսանողների թիվը, ովքեր C միավոր են հավաքել բոլոր երեք ստանդարտների այն ուսանողների թվի վրա, ովքեր ստացել են C:
Այսպիսով, պատասխանը կլինի b 4/19= 0,21
Հարյուրով բազմապատկելով՝ ստացվում է 21%
7-րդ ստանդարտի աշակերտի բաշխվածությունը C-ն է 7/19= 0,37
Բազմապատկելով այն 100-ը տալիս է 37%
Իսկ 8-րդ ստանդարտի աշակերտի բաշխվածությունը C-ն է 8/19= 0,42
Տես նաեւ: Ցածր այտոսկրեր ընդդեմ բարձր այտոսկրերի (համեմատություն) – Բոլոր տարբերություններըԱյն 100-ով բազմապատկելը տալիս է 42,1%
Տարբերությունը պայմանական և սահմանային բաշխման միջև
Պայմանական և սահմանային բաշխման տարբերությունը
Մարգինալ բաշխումը փոփոխականի բաշխումն է ընդհանուր ընտրանքի նկատմամբ, մինչդեռ պայմանական բաշխումը փոփոխականի բաշխումն է մեկ այլ փոփոխականի նկատմամբ:
Մարգինալ բաշխումն անկախ էմյուս փոփոխականի արդյունքներից: Այլ կերպ ասած, դա պարզապես անվերապահ է:
Օրինակ, եթե պատահական «X» փոփոխականը վերագրվում է ամառային ճամբարի երեխաների սեռին, իսկ մեկ այլ պատահական «Y» փոփոխականը վերագրվում է նրանց տարիքին: Երեխաները, ապա,
Ամառային ճամբարում տղաների սահմանային բաշխումը կարող է տրվել P(X=boys), մինչդեռ 8 տարեկանից ցածր տղաների համամասնությունը տրվում է պայմանական բաշխմամբ որպես P( X = տղաներ