Дисперсия в распределении Бернулли Решение

ШАГ 0: Сводка предварительного расчета
Используемая формула
Отклонение данных = Вероятность успеха*(1-Вероятность успеха)
σ2 = p*(1-p)
В этой формуле используются 2 Переменные
Используемые переменные
Отклонение данных - Дисперсия данных — это ожидание квадратичного отклонения случайной величины, связанной с данными статистическими данными, от ее среднего значения генеральной совокупности или выборочного среднего значения.
Вероятность успеха - Вероятность успеха — это вероятность того, что конкретный исход произойдет в одном испытании из фиксированного числа независимых испытаний Бернулли.
ШАГ 1. Преобразование входов в базовый блок
Вероятность успеха: 0.6 --> Конверсия не требуется
ШАГ 2: Оцените формулу
Подстановка входных значений в формулу
σ2 = p*(1-p) --> 0.6*(1-0.6)
Оценка ... ...
σ2 = 0.24
ШАГ 3: Преобразуйте результат в единицу вывода
0.24 --> Конверсия не требуется
ОКОНЧАТЕЛЬНЫЙ ОТВЕТ
0.24 <-- Отклонение данных
(Расчет завершен через 00.004 секунд)

Кредиты

Creator Image
Сделано Нишан Пуджари
Институт технологий и менеджмента Шри Мадхвы Вадираджи (SMVITM), Удупи
Нишан Пуджари создал этот калькулятор и еще 500+!
Verifier Image
Проверено Анамика Миттал
Технологический институт Веллора (VIT), Бхопал
Анамика Миттал проверил этот калькулятор и еще 300+!

Распределение Калькуляторы

Дисперсия в распределении Бернулли
​ LaTeX ​ Идти Отклонение данных = Вероятность успеха*(1-Вероятность успеха)

Дисперсия в распределении Бернулли формула

​LaTeX ​Идти
Отклонение данных = Вероятность успеха*(1-Вероятность успеха)
σ2 = p*(1-p)

Что такое дисперсия и ее значение в статистике?

Дисперсия — это статистический инструмент, используемый для анализа статистических данных. Слово «дисперсия» на самом деле происходит от слова «разнообразие», которое с точки зрения статистики означает разницу между различными оценками и показаниями. По сути, это ожидание квадрата отклонения связанной случайной величины от среднего значения генеральной совокупности или среднего значения выборки. Дисперсия обеспечивает точность, так как большая дисперсия считается хорошей по сравнению с низкой дисперсией или полным отсутствием какой-либо дисперсии. Дисперсия в статистике важна, поскольку в измерении она позволяет нам измерить дисперсию набора переменных вокруг их среднего значения. Этот набор переменных представляет собой переменные, которые измеряются или анализируются. Наличие дисперсии позволяет статистику сделать осмысленный вывод из данных. Преимущество дисперсии в том, что она рассматривает все отклонения от среднего значения как одинаковые, независимо от их направления.

Let Others Know
Facebook
Twitter
Reddit
LinkedIn
Email
WhatsApp
Copied!