Odchylenie standardowe rozkładu hipergeometrycznego Rozwiązanie

KROK 0: Podsumowanie wstępnych obliczeń
Formułę używana
Odchylenie standardowe w rozkładzie normalnym = sqrt((Wielkość próbki*Liczba sukcesów*(Wielkość populacji-Liczba sukcesów)*(Wielkość populacji-Wielkość próbki))/((Wielkość populacji^2)*(Wielkość populacji-1)))
σ = sqrt((n*NSuccess*(N-NSuccess)*(N-n))/((N^2)*(N-1)))
Ta formuła używa 1 Funkcje, 4 Zmienne
Używane funkcje
sqrt - Funkcja pierwiastka kwadratowego to funkcja, która przyjmuje jako dane wejściowe liczbę nieujemną i zwraca pierwiastek kwadratowy podanej liczby wejściowej., sqrt(Number)
Używane zmienne
Odchylenie standardowe w rozkładzie normalnym - Odchylenie standardowe w rozkładzie normalnym to pierwiastek kwadratowy oczekiwanej wartości kwadratowego odchylenia danego rozkładu normalnego po danych ze średniej populacji lub średniej z próby.
Wielkość próbki - Wielkość próby to całkowita liczba osobników obecnych w określonej próbie pobranej z badanej populacji.
Liczba sukcesów - Liczba sukcesów to liczba przypadków, w których określony wynik, który jest ustawiony jako sukces zdarzenia, występuje w ustalonej liczbie niezależnych prób Bernoulliego.
Wielkość populacji - Wielkość populacji to całkowita liczba osobników obecnych w badanej populacji.
KROK 1: Zamień wejście (a) na jednostkę bazową
Wielkość próbki: 65 --> Nie jest wymagana konwersja
Liczba sukcesów: 5 --> Nie jest wymagana konwersja
Wielkość populacji: 100 --> Nie jest wymagana konwersja
KROK 2: Oceń formułę
Zastępowanie wartości wejściowych we wzorze
σ = sqrt((n*NSuccess*(N-NSuccess)*(N-n))/((N^2)*(N-1))) --> sqrt((65*5*(100-5)*(100-65))/((100^2)*(100-1)))
Ocenianie ... ...
σ = 1.04476811017584
KROK 3: Konwertuj wynik na jednostkę wyjścia
1.04476811017584 --> Nie jest wymagana konwersja
OSTATNIA ODPOWIEDŹ
1.04476811017584 1.044768 <-- Odchylenie standardowe w rozkładzie normalnym
(Obliczenie zakończone za 00.004 sekund)

Kredyty

Creator Image
Stworzone przez Nishan Poojary
Shri Madhwa Vadiraja Institute of Technology and Management (SMVITM), Udupi
Nishan Poojary utworzył ten kalkulator i 500+ więcej kalkulatorów!
Verifier Image
Zweryfikowane przez Mona Gladys
St Joseph's College (SJC), Bengaluru
Mona Gladys zweryfikował ten kalkulator i 1800+ więcej kalkulatorów!

Rozkład hipergeometryczny Kalkulatory

Rozkład hipergeometryczny
​ LaTeX ​ Iść Funkcja rozkładu prawdopodobieństwa hipergeometrycznego = (C(Liczba elementów w próbce,Liczba sukcesów w próbce)*C(Liczba elementów w populacji-Liczba elementów w próbce,Liczba sukcesów w populacji-Liczba sukcesów w próbce))/(C(Liczba elementów w populacji,Liczba sukcesów w populacji))
Odchylenie standardowe rozkładu hipergeometrycznego
​ LaTeX ​ Iść Odchylenie standardowe w rozkładzie normalnym = sqrt((Wielkość próbki*Liczba sukcesów*(Wielkość populacji-Liczba sukcesów)*(Wielkość populacji-Wielkość próbki))/((Wielkość populacji^2)*(Wielkość populacji-1)))
Wariancja rozkładu hipergeometrycznego
​ LaTeX ​ Iść Rozbieżność danych = (Wielkość próbki*Liczba sukcesów*(Wielkość populacji-Liczba sukcesów)*(Wielkość populacji-Wielkość próbki))/((Wielkość populacji^2)*(Wielkość populacji-1))
Średnia rozkładu hipergeometrycznego
​ LaTeX ​ Iść Średnia w rozkładzie normalnym = (Wielkość próbki*Liczba sukcesów)/(Wielkość populacji)

Odchylenie standardowe rozkładu hipergeometrycznego Formułę

​LaTeX ​Iść
Odchylenie standardowe w rozkładzie normalnym = sqrt((Wielkość próbki*Liczba sukcesów*(Wielkość populacji-Liczba sukcesów)*(Wielkość populacji-Wielkość próbki))/((Wielkość populacji^2)*(Wielkość populacji-1)))
σ = sqrt((n*NSuccess*(N-NSuccess)*(N-n))/((N^2)*(N-1)))

Co to jest dystrybucja hipergeometryczna?

Rozkład hipergeometryczny to dyskretny rozkład prawdopodobieństwa opisujący liczbę sukcesów w ustalonej liczbie prób Bernoulliego (tj. prób z tylko dwoma możliwymi wynikami: sukcesem lub porażką) bez zwracania. Funkcja masy prawdopodobieństwa (PMF) rozkładu hipergeometrycznego jest dana wzorem: P(X = x) = (C(K,x) * C(NK,nx)) / C(N,n) Rozkład hipergeometryczny jest używany do modelować prawdopodobieństwo zaobserwowania określonej liczby „sukcesów” w ustalonej liczbie losowań ze skończonej populacji, gdzie prawdopodobieństwo sukcesu zmienia się przy każdym losowaniu. Jest stosowany w wielu dziedzinach, takich jak genetyka, kontrola jakości i kontrola pobierania próbek, w których próbka jest pobierana bez wymiany.

Let Others Know
Facebook
Twitter
Reddit
LinkedIn
Email
WhatsApp
Copied!