Distribution normale Calculatrice

✖Les résultats spécifiques au sein des essais sont le nombre de fois qu'un certain résultat se produit dans un ensemble d'essais donné.ⓘ Résultats spécifiques des essais [x]			+10% -10%
✖La moyenne de distribution est la valeur moyenne arithmétique à long terme d'une variable aléatoire ayant cette distribution.ⓘ Moyenne de distribution [μ]			+10% -10%
✖L'écart type de distribution est une mesure de la dispersion des nombres.ⓘ Écart type de la distribution [σ]			+10% -10%

✖La distribution normale est un type de distribution de probabilité continue pour une variable aléatoire à valeur réelle.ⓘ Distribution normale [P_normal]

⎘ Copie

👎

Formule

LaTeX

Réinitialiser

👍

Télécharger Paramètres industriels Formules PDF PDF Image

Distribution normale Solution

ÉTAPE 0: Résumé du pré-calcul

Formule utilisée

Distribution normale = e^(-(Résultats spécifiques des essais-Moyenne de distribution)^2/(2*Écart type de la distribution^2))/(Écart type de la distribution*sqrt(2*pi))
P_normal = e^(-(x-μ)^2/(2*σ^2))/(σ*sqrt(2*pi))
Cette formule utilise 2 Constantes, 1 Les fonctions, 4 Variables

Constantes utilisées

pi - Constante d'Archimède Valeur prise comme 3.14159265358979323846264338327950288
e - constante de Napier Valeur prise comme 2.71828182845904523536028747135266249

Fonctions utilisées

sqrt - Une fonction racine carrée est une fonction qui prend un nombre non négatif comme entrée et renvoie la racine carrée du nombre d'entrée donné., sqrt(Number)

Variables utilisées

Distribution normale - La distribution normale est un type de distribution de probabilité continue pour une variable aléatoire à valeur réelle.
Résultats spécifiques des essais - Les résultats spécifiques au sein des essais sont le nombre de fois qu'un certain résultat se produit dans un ensemble d'essais donné.
Moyenne de distribution - La moyenne de distribution est la valeur moyenne arithmétique à long terme d'une variable aléatoire ayant cette distribution.
Écart type de la distribution - L'écart type de distribution est une mesure de la dispersion des nombres.

ÉTAPE 1: Convertir les entrées en unité de base

Résultats spécifiques des essais: 3 --> Aucune conversion requise
Moyenne de distribution: 2 --> Aucune conversion requise
Écart type de la distribution: 4 --> Aucune conversion requise

ÉTAPE 2: Évaluer la formule

Remplacement des valeurs d'entrée dans la formule

P_normal = e^(-(x-μ)^2/(2*σ^2))/(σ*sqrt(2*pi)) --> e^(-(3-2)^2/(2*4^2))/(4*sqrt(2*pi))

Évaluer ... ...

P_normal = 0.0966670292007123

ÉTAPE 3: Convertir le résultat en unité de sortie

0.0966670292007123 --> Aucune conversion requise

RÉPONSE FINALE

0.0966670292007123 ≈ 0.096667 <-- Distribution normale

(Calcul effectué en 00.005 secondes)

Tu es là -

Accueil » Ingénierie » Mécanique » Ingénierie mécanique » Paramètres industriels » Distribution normale

Crédits

Créé par Suman Ray Pramanik

Institut indien de technologie (IIT), Kanpur

Suman Ray Pramanik a créé cette calculatrice et 50+ autres calculatrices!

Vérifié par Akshada Kulkarni

Institut national des technologies de l'information (NIIT), Neemrana

Akshada Kulkarni a validé cette calculatrice et 900+ autres calculatrices!

< Paramètres industriels Calculatrices

Facteur d'apprentissage

LaTeX Aller Facteur d'apprentissage = (log10(Il est temps de passer à la tâche 1)-log10(Temps pour n tâches))/log10(Nombre de tâches)

Point de commande

LaTeX Aller Point de commande = Délai de livraison de la demande+Stock de sécurité

Intensité du trafic

LaTeX Aller Intensité du trafic = Taux moyen d'arrivée/Taux de service moyen

Variance

LaTeX Aller Variance = ((Temps pessimiste-Temps optimiste)/6)^2

Distribution normale Formule

LaTeX Aller

Qu'est-ce que la distribution normale?

La distribution normale est un type de distribution de probabilité continue pour une variable aléatoire à valeur réelle. Les distributions normales sont importantes en statistique et sont souvent utilisées dans les sciences naturelles et sociales pour représenter des variables aléatoires à valeur réelle dont les distributions ne sont pas connues. Leur importance est en partie due au théorème central limite. Il indique que, dans certaines conditions, la moyenne de nombreux échantillons (observations) d'une variable aléatoire avec une moyenne et une variance finies est elle-même une variable aléatoire - dont la distribution converge vers une distribution normale à mesure que le nombre d'échantillons augmente.

Accueil

GRATUIT PDF

🔍 Chercher

Catégories

Let Others Know

✖

Facebook

Twitter

Copied!