ความแตกต่างระหว่างการแจกแจงตามเงื่อนไขและส่วนเพิ่ม (อธิบาย) – ความแตกต่างทั้งหมด
สารบัญ
ความน่าจะเป็นเป็นแขนงหนึ่งของคณิตศาสตร์ที่ใช้วัดปริมาณการคาดคะเนของเหตุการณ์บางอย่างที่เกิดขึ้นกับชุดข้อมูลที่กำหนด ซึ่งให้การตีความทางคณิตศาสตร์ถึงความเป็นไปได้ในการได้รับผลลัพธ์ที่ต้องการ
ความน่าจะเป็นของเหตุการณ์ใดๆ ที่เกิดขึ้นจะอยู่ระหว่างศูนย์ถึงหนึ่ง ศูนย์หมายถึงไม่มีโอกาสหรือความเป็นไปได้ที่เหตุการณ์นั้นจะเกิดขึ้น และศูนย์หมายถึงโอกาสที่เหตุการณ์บางอย่างจะเกิดขึ้นคือ 100%
การศึกษาความน่าจะเป็นช่วยให้เราสามารถทำนายหรือตัดสินโอกาสได้ ของความสำเร็จหรือความล้มเหลวของเหตุการณ์ที่ต้องการและใช้มาตรการเพื่อปรับปรุง
ตัวอย่างเช่น เมื่อทดสอบผลิตภัณฑ์ใหม่ ความเป็นไปได้สูงที่จะล้มเหลวแสดงว่าผลิตภัณฑ์มีคุณภาพต่ำ การประเมินโอกาสของความล้มเหลวหรือความสำเร็จเชิงปริมาณสามารถช่วยผู้ผลิตปรับปรุงคุณภาพผลิตภัณฑ์และประสบการณ์ของตนได้
ในการวิเคราะห์ข้อมูล การแจกแจงส่วนเพิ่มและเงื่อนไขจะใช้เพื่อค้นหาความน่าจะเป็นในข้อมูลสองตัวแปร แต่ก่อนที่เราจะพูดถึงเรื่องนั้น เรามาดูพื้นฐานบางอย่างกัน
พื้นฐานของความน่าจะเป็น
คำที่ใช้บ่อยเกี่ยวกับความน่าจะเป็นคือ 'ตัวแปรสุ่ม' ตัวแปรสุ่มถูกใช้เพื่อวัดผลลัพธ์ของเหตุการณ์สุ่มที่เกิดขึ้น
ตัวอย่างเช่น โรงเรียนทำการวิจัยเพื่อทำนายผลการเรียนของนักเรียนในวิชาคณิตศาสตร์ในการสอบที่กำลังจะมีขึ้น ผลงาน. การวิจัยจำกัดจำนวนทั้งหมด 110นักเรียนจากมาตรฐาน 6 ถึง 8th หากกำหนดตัวแปรสุ่ม “X” เป็นเกรดที่ได้ ตารางต่อไปนี้แสดงข้อมูลที่เก็บรวบรวม:
เกรด | จำนวนนักเรียน |
A+ | 14 |
A- | 29 |
B | 35 |
ค | 19 |
ง | 8 |
จ | 5 |
นักเรียนทั้งหมด: | 110 |
ตัวอย่างข้อมูล
P (X=A+) = 14/110 = 0.1273
0.1273 *100=12.7%
แสดงว่านักเรียนประมาณ 12.7% สามารถทำคะแนนได้ ให้ได้ A+ ในการสอบที่กำลังจะมีขึ้น
จะเป็นอย่างไรหากโรงเรียนต้องการวิเคราะห์เกรดของนักเรียนตามชั้นเรียนด้วย แล้วมีนักเรียน 12.7% กี่คนที่ให้คะแนน A + อยู่ในเกณฑ์มาตรฐานที่ 8?
การจัดการกับตัวแปรสุ่มตัวเดียวนั้นค่อนข้างง่าย แต่เมื่อข้อมูลของคุณถูกกระจายตามตัวแปรสุ่มสองตัว การคำนวณอาจซับซ้อนเล็กน้อย
สองวิธีที่ง่ายที่สุดในการดึงข้อมูลที่เกี่ยวข้องจากข้อมูลสองตัวแปรคือการแจกแจงส่วนเพิ่มและการกระจายแบบมีเงื่อนไข
หากต้องการอธิบายพื้นฐานของความน่าจะเป็นให้เห็นภาพ นี่คือวิดีโอ จาก Math Antics:
Math Antics – ความน่าจะเป็นพื้นฐาน
การแจกแจงส่วนเพิ่มมีความหมายอย่างไร
การแจกแจงส่วนเพิ่มหรือความน่าจะเป็นส่วนเพิ่มคือการแจกแจงของตัวแปรที่ไม่ขึ้นกับตัวแปรอื่น ขึ้นอยู่กับหนึ่งในสองเท่านั้นเหตุการณ์ที่เกิดขึ้นในขณะที่ลบความเป็นไปได้ทั้งหมดของเหตุการณ์อื่น
การทำความเข้าใจแนวคิดของการกระจายส่วนเพิ่มจะง่ายขึ้นเมื่อแสดงข้อมูลในรูปแบบตาราง ระยะขอบหมายถึงการรวมการกระจายตามระยะขอบด้วย
ตารางต่อไปนี้แสดงเกรดของนักเรียน 110 คนจากมาตรฐาน 6-8 เราสามารถใช้ข้อมูลนี้เพื่อทำนายเกรดสำหรับการสอบคณิตศาสตร์ที่กำลังจะมาถึง
เกรด | มาตรฐานที่ 6 | มาตรฐานที่ 7 | มาตรฐานที่ 8 | จำนวนรวม ของนักเรียน |
A+ | 7 | 5 | 2 | 14 |
ก- | 11 | 8 | 10 | 29 |
B<12 | 6 | 18 | 11 | 35 |
ค | 4 | 7 | 8 | 19 |
ง | 1 | 3 | 4 | 8 |
จ | 0 | 3 | 2 | 5 |
ผลรวม | 29 | 44 | 37 | 110 |
ตัวอย่างข้อมูล
การใช้ตารางหรือข้อมูลตัวอย่างนี้ เราสามารถคำนวณการกระจายส่วนเพิ่มของเกรดที่เกี่ยวกับจำนวนนักเรียนทั้งหมดหรือการกระจายส่วนเพิ่มของนักเรียนในมาตรฐานเฉพาะ
ดูสิ่งนี้ด้วย: อะไรคือความแตกต่างระหว่างบุคลิกภาพของ INTJ และ ISTP? (ข้อเท็จจริง) – ความแตกต่างทั้งหมดเราไม่คำนึงถึงการเกิดเหตุการณ์ที่สองในขณะที่คำนวณการกระจายส่วนเพิ่ม
ตัวอย่างเช่น ในขณะที่คำนวณการกระจายส่วนเพิ่มของนักเรียนที่ได้ C เทียบกับจำนวนทั้งหมดนักเรียน เราเพียงแค่รวมจำนวนนักเรียนสำหรับแต่ละชั้นเรียนในแถวและลูกเต๋าค่าด้วยจำนวนนักเรียนทั้งหมด
จำนวนนักเรียนที่ได้ C ในทุกมาตรฐานรวมกันคือ 19 คน
หารด้วยจำนวนนักเรียนทั้งหมดในมาตรฐาน ป.6-8: 19/110=0.1727
คูณค่าด้วย 100 จะได้ 17.27%
17.27 % ของนักเรียนทั้งหมดที่สอบได้ C
เรายังสามารถใช้ตารางนี้เพื่อกำหนดการกระจายส่วนเพิ่มของนักเรียนในแต่ละมาตรฐาน ตัวอย่างเช่น การแจกแจงส่วนเพิ่มของนักเรียนในมาตรฐานที่ 6 คือ 29/110 ซึ่งให้ 0.2636 การคูณค่านี้ด้วย 100 จะได้ 26.36%
ในทำนองเดียวกัน การกระจายส่วนเพิ่มของนักเรียนในมาตรฐานที่ 7 และ 8 คือ 40% และ 33.6% ตามลำดับ
อะไร หมายถึงการแจกแจงแบบมีเงื่อนไขหรือไม่?
การแจกแจงแบบมีเงื่อนไขตามที่ชื่อตีความ ขึ้นอยู่กับเงื่อนไขที่มีอยู่ก่อน เป็นความน่าจะเป็นของตัวแปรหนึ่งในขณะที่อีกตัวแปรหนึ่งตั้งค่าตามเงื่อนไขที่กำหนด
การแจกแจงแบบมีเงื่อนไขทำให้คุณสามารถวิเคราะห์ตัวอย่างของคุณเกี่ยวกับตัวแปรสองตัว ในการวิเคราะห์ข้อมูล ความน่าจะเป็นของเหตุการณ์มักจะได้รับอิทธิพลจากปัจจัยอื่น
ความน่าจะเป็นแบบมีเงื่อนไขใช้การแสดงข้อมูลแบบตาราง ซึ่งช่วยปรับปรุงการแสดงภาพและการวิเคราะห์ข้อมูลตัวอย่าง
ตัวอย่างเช่น หากคุณกำลังสำรวจอายุขัยโดยเฉลี่ยช่วงของประชากร มีสองตัวแปรที่ต้องพิจารณา ได้แก่ ปริมาณแคลอรีเฉลี่ยต่อวัน และความถี่ของการออกกำลังกาย ความน่าจะเป็นแบบมีเงื่อนไขสามารถช่วยให้คุณทราบผลกระทบของกิจกรรมทางกายที่มีต่ออายุขัยเฉลี่ยของประชากร หากปริมาณแคลอรี่ที่ได้รับต่อวันสูงกว่า 2,500 กิโลแคลอรี หรือในทางกลับกัน
ดูสิ่งนี้ด้วย: ชอปเปอร์ ปะทะ เฮลิคอปเตอร์ - การเปรียบเทียบโดยละเอียด - ความแตกต่างทั้งหมดตามที่เรากำหนดปริมาณแคลอรี่รายวัน < 2500kcal เราวางเงื่อนไข. จากเงื่อนไขนี้ ผลกระทบของกิจกรรมทางกายต่ออายุขัยเฉลี่ยสามารถกำหนดได้
หรือในขณะที่สังเกตความเบี่ยงเบนของยอดขายของเครื่องดื่มชูกำลังสองยี่ห้อที่แพร่หลาย ตัวแปรสองตัวที่มีอิทธิพลต่อยอดขายของ เครื่องดื่มชูกำลังเหล่านี้มีอยู่และราคา เราสามารถใช้ความน่าจะเป็นแบบมีเงื่อนไขเพื่อกำหนดอิทธิพลของราคาและการมีอยู่ของเครื่องดื่มชูกำลังสองชนิดต่อความตั้งใจในการซื้อของลูกค้า
เพื่อให้เข้าใจดีขึ้น เรามาดูตัวอย่างเดียวกันที่ใช้ในการกระจายส่วนเพิ่ม:
เกรด | มาตรฐานที่ 6 | มาตรฐานที่ 7 | มาตรฐานที่ 8 | จำนวนรวม ของนักเรียน |
A+ | 7 | 5 | 2 | 14 |
ก- | 11 | 8 | 10 | 29 |
B | 6 | 18 | 11 | 35 |
ค | 4 | 7 | 8 | 19 |
ง | 1 | 3 | 4 | 8 |
จ | 0 | 3 | 2 | 5<12 |
ผลรวม | 29 | 44 | 37 | 110 |