当前位置: 首页 > news >正文

概率论得学习和整理32: 用EXCEL描述正态分布,用δ求累计概率,以及已知概率求X的区间

目录

1 正态分布相关

2 正态分布的函数和曲线

2.1 正态分布的函数值,用norm.dist() 函数求

2.2 正态分布的pdf 和 cdf

2.3  正态分布的图形随着u 和 δ^2的变化

3 正态分布最重要的3δ原则

3.0 注意,这里说的概率一定是累计概率CDF,而非概率密度函数pdf

3.1 3δ原则

3.2 可以直接通过设置X=nδ,求出对应概率值

3.3 如果知道了Y值(即区间概率),是否可以反求出对应的X的范围呢? 可以,用norm.inv() 函数求

3.3.1 单边检验的X的求法,只需要求出1个点

3.3.2  双边检验的X的求法,需要求出2个点的范围

3.3.3  注意,平时先知道nδ再去算曲线下概率和假设检验时先用概率去求X值思路不同

平时先知道nδ再去算曲线下概率

假设检验时先用概率去求X值思路不同


1 正态分布相关

 

2 正态分布的函数和曲线

2.1 正态分布的函数值,用norm.dist() 函数求

如果我们知道了X轴的值,值的范围,想求指定 均值,方差的正态分布的函数值,怎么求?

  • 方法1:用正态分布的公式求
  • 方法2:用EXCEL封装的的公式求。 norm.dist()

2.2 正态分布的pdf 和 cdf

2.3  正态分布的图形随着u 和 δ^2的变化

  • 均值决定曲线的位置
  • 方差决定曲线的形状

3 正态分布最重要的3δ原则

3.0 注意,这里说的概率一定是累计概率CDF,而非概率密度函数pdf

  • 3δ原则,一定是求的累计概率cdf,而不是pdf!

3.1 3δ原则

3.2 可以直接通过设置X=nδ,求出对应概率值

  • step1: 可以直接通过设置X=nδ,
  • step2: 求出对应的Y值,注意,必须是CDF,累计概率!!!
  • step3: 然后相减可以得出区间概率

3.3 如果知道了Y值(即区间概率),是否可以反求出对应的X的范围呢? 可以,用norm.inv() 函数求

3.3.1 单边检验的X的求法,只需要求出1个点

3.3.2  双边检验的X的求法,需要求出2个点的范围

  • 需要进行CDF计算时,
  • step1: 先把双边检验的区间概率,转化为1个单边概率
  • step2:  求出单边的一个右边区间的X值
  • step3: 然后另外一个单边概率,可以利用 均值两侧对称求出来
  • step4: 从而得到X轴的概率空间
  • 比如68% = 84%-16%,那么先求84%的单边即可,16%的单边也好求

3.3.3  注意,平时先知道nδ再去算曲线下概率和假设检验时先用概率去求X值思路不同

平时先知道nδ再去算曲线下概率
  • 这种一般就是标准的 nδ,1δ ,2δ ,3δ 等等

假设检验时先用概率去求X值思路不同

有时候,我们需要设定一些比较整的概率,作为建设检验,就会采用 68%,95%,99%这样的α值,也就是概率值,这时候求出来的X的值,不是刚好 整数倍 δ,

相关文章:

概率论得学习和整理32: 用EXCEL描述正态分布,用δ求累计概率,以及已知概率求X的区间

目录 1 正态分布相关 2 正态分布的函数和曲线 2.1 正态分布的函数值,用norm.dist() 函数求 2.2 正态分布的pdf 和 cdf 2.3 正态分布的图形随着u 和 δ^2的变化 3 正态分布最重要的3δ原则 3.0 注意,这里说的概率一定是累计概率CDF,而…...

【原生js案例】让你的移动页面实现自定义的上拉加载和下拉刷新

目前很多前端UI都是自带有上拉加载和下拉刷新功能,按照官网配置去实现即可,比如原生小程序,vantUI等UI框架,都替我们实现了内部功能。 那如何自己来实现一个上拉加载和下拉刷新的功能? 实现效果 不用浏览器的css滚动条,自定义实现滚动效果 自定义实现滚动,添加上拉加载…...

【linux 常用命令】

1. 使用xshell 通过SSH连接到Linux服务器 ssh -p 端口号 usernameip地址2. 查看当前目录下的子文件夹的内存占用情况 du -a -h -d 1或者 du -ah -d 1-a :展示所有子文件夹(包括隐藏文件夹),-h :以人类可读的形式&am…...

【JetPack】Room数据库笔记

Room数据库笔记 ORM框架&#xff1a;对齐数据库数据结构与面向对象数据结构之间的关系&#xff0c;使开发编程只考虑面向对象不需要考虑数据库的结构 Entity : 数据实体&#xff0c;对应数据库中的表 <完成面向对象与数据库表结构的映射> 注解&#xff1a; 类添加注解…...

【CSS in Depth 2 精译_088】第五部分:添加动效概述 + 第 15 章:CSS 过渡特效概述 + 15.1:状态间的由此及彼

当前内容所在位置&#xff08;可进入专栏查看其他译好的章节内容&#xff09; 第五部分 添加动效 ✔️【第 15 章 过渡】 ✔️ 15.1 状态间的由此及彼 ✔️15.2 定时函数 文章目录 第 5 部分 添加动效 Adding motion第 15 章 过渡 Transitions15.1 状态间的由此及彼 From here…...

# 起步专用 - 哔哩哔哩全模块超还原设计!(内含接口文档、数据库设计)

↑ 上方下载文档 (大小374KB) 接口文档预览 (超过50个接口) 一、数据库25张表er-关系清晰构图&#xff01;(tip: 鼠标右键图片 > 放大图像) 二、难点/经验 详细说明 热门评论排序评论点赞列表|DTO封装经验分享|精华接口文档说明 组员都说喜欢分档对应枚举码 如果这篇文章…...

[机器学习]XGBoost(3)——确定树的结构

XGBoost的目标函数详见[机器学习]XGBoost&#xff08;2&#xff09;——目标函数&#xff08;公式详解&#xff09; 确定树的结构 之前在关于目标函数的计算中&#xff0c;均假设树的结构是确定的&#xff0c;但实际上&#xff0c;当划分条件不同时&#xff0c;叶子节点包含的…...

PHP阶段一

PHP 一门编程语言 运行在服务器端 专门用户开发网站的 脚本后缀名.php 与HTML语言进行混编&#xff0c;脚本后缀依然是.php 解释型语言&#xff0c;不要编译直接运行 PHP运行需要环境&#xff1a; Windows phpstudy Linux 单独安装 Web 原理简述 1、打开浏览器 2、输入u…...

用人话讲计算机:Python篇!(十五)迭代器、生成器、装饰器

一、迭代器 &#xff08;1&#xff09;定义 标准解释&#xff1a;迭代器是 Python 中实现了迭代协议的对象&#xff0c;即提供__iter__()和 __next__()方法&#xff0c;任何实现了这两个方法的对象都可以被称为迭代器。 所谓__iter__()&#xff0c;即返回迭代器自身 所谓__…...

5G -- 5G网络架构

5G组网场景 从4G到5G的网络演进&#xff1a; 1、UE -> 4G基站 -> 4G核心网 * 部署初中期&#xff0c;利用存量网络&#xff0c;引入5G基站&#xff0c;4G与5G基站并存 2、UE -> (4G基站、5G基站) -> 4G核心网 * 部署中后期&#xff0c;引入5G核心网&am…...

VR线上展厅的色彩管理如何影响用户情绪?

VR线上展厅的色彩管理对用户情绪的影响是多方面的&#xff0c;以下是专业从事VR线上展厅制作的圆桌3D云展厅平台为大家介绍的一些关键点&#xff1a; 情感共鸣&#xff1a;色彩能够激发特定的情感反应。例如&#xff0c;暖色调&#xff08;如红色、橙色&#xff09;通常与活力和…...

Vue3:uv-upload图片上传

效果图&#xff1a; 参考文档&#xff1a; Upload 上传 | 我的资料管理-uv-ui 是全面兼容vue32、nvue、app、h5、小程序等多端的uni-app生态框架 (uvui.cn) 代码&#xff1a; <view class"greenBtn_zw2" click"handleAddGroup">添加班级群</vie…...

大数据机器学习算法和计算机视觉应用07:机器学习

Machine Learning Goal of Machine LearningLinear ClassificationSolutionNumerical output example: linear regressionStochastic Gradient DescentMatrix Acceleration Goal of Machine Learning 机器学习的目标 假设现在有一组数据 x i , y i {x_i,y_i} xi​,yi​&…...

基于asp.net游乐园管理系统设计与实现

博主介绍&#xff1a;专注于Java&#xff08;springboot ssm 等开发框架&#xff09; vue .net php python(flask Django) 小程序 等诸多技术领域和毕业项目实战、企业信息化系统建设&#xff0c;从业十五余年开发设计教学工作 ☆☆☆ 精彩专栏推荐订阅☆☆☆☆☆不然下次找…...

一区牛顿-拉夫逊算法+分解+深度学习!VMD-NRBO-Transformer-GRU多变量时间序列光伏功率预测

一区牛顿-拉夫逊算法分解深度学习&#xff01;VMD-NRBO-Transformer-GRU多变量时间序列光伏功率预测 目录 一区牛顿-拉夫逊算法分解深度学习&#xff01;VMD-NRBO-Transformer-GRU多变量时间序列光伏功率预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.中科院一区…...

uniapp使用腾讯地图接口的时候提示此key每秒请求量已达到上限或者提示此key每日调用量已达到上限问题解决

要在创建的key上添加配额 点击配额之后进入分配页面&#xff0c;分配完之后刷新uniapp就可以调用成功了。...

WPF 完美解决改变指示灯的颜色

WPF 完美解决改变指示灯的颜色 原有&#xff1a;自己再做WPF页面设计后发现直接去查找页面多个控件嵌套情况下找不到指示灯&#xff08;Button实现的&#xff0c;详细可以看这篇文章 这里&#xff09;&#xff0c;具体看看来如何实现 加粗样式思路&#xff1a;无论多级嵌套&a…...

Flutter/Dart:使用日志模块Logger Easier

Flutter笔记 Flutter/Dart&#xff1a;使用日志模块Logger Easier Logger Easier 是一个为 Dart 和 Flutter 应用程序量身定制的现代化日志管理解决方案。它提供了一个高度灵活、功能丰富的日志记录系统&#xff0c;旨在简化开发者的日志管理工作&#xff0c;同时提供一定的定制…...

阿里云云服务器初始化

如果我们的云服务器出现无法挽回的错误时&#xff0c;我们可以尝试初始化云服务器进行解决。 首先搜索阿里云&#xff08;你要先确认自己已经购买了阿里云的云服务器&#xff09;&#xff1a; 登录账号后主页向下划 进入后点击管理控制台 点击进入后可以看到正在运行&#xff0…...

Python中SKlearn的K-means使用详解

文章目录 Python中SKlearn的K-means使用详解一、引言二、K-means算法原理三、使用SKlearn进行K-means聚类的步骤1、导入必要的库2、生成数据集3、创建K-means模型并设置参数4、训练模型5、预测簇标签6、可视化结果 四、总结 Python中SKlearn的K-means使用详解 一、引言 K-mea…...

AI原生应用中的个性化推荐算法实战解析

AI原生应用中的个性化推荐算法实战解析 关键词&#xff1a;AI原生应用、个性化推荐、协同过滤、深度学习推荐模型、冷启动问题 摘要&#xff1a;在AI技术深度渗透的今天&#xff0c;“AI原生应用”&#xff08;AI Native Apps&#xff09;已从概念走向落地。这类应用的核心特征…...

实在 Agent 和通用大模型有什么不一样?深度拆解 AI Agent 的感知、决策与执行逻辑

获取系统时间这一任务&#xff0c;虽然看似简单&#xff0c;却深刻揭示了 AI Agent 与通用大模型在本质、能力、架构和应用场景上的根本性差异。通用大模型&#xff08;LLM&#xff09;&#xff0c;如 GPT、Claude 或通义千问等&#xff0c;其核心是基于海量文本数据训练出的概…...

WPS JS宏实战:5分钟搞定批量生成Code128条形码标签(附PDF导出技巧)

WPS JS宏实战&#xff1a;5分钟实现Code128条形码批量生成与PDF自动化导出 在快节奏的办公场景中&#xff0c;批量生成条形码标签并导出为PDF是许多企业常见的需求。想象一下仓库管理员需要为数百件商品制作标签&#xff0c;或者活动策划人员要为参会者准备上千份带条形码的入场…...

2021 年 3 月青少年软编等考 C 语言四级真题解析

目录 T1. 酒鬼 思路分析 T2. 重启系统 思路分析 T3. 鸣人的影分身 思路分析 T4. 宠物小精灵之收服 思路分析 T1. 酒鬼 题目链接:SOJ D1053 Santo 刚刚与房东打赌赢得了一间在 New Clondike 的大客厅。今天,他来到这个大客厅欣赏他的奖品。房东摆出了一行瓶子在酒吧上。瓶子…...

Qwen2.5-VL-Ollama效果对比:vs Qwen2-VL在图表理解与定位精度提升

Qwen2.5-VL-Ollama效果对比&#xff1a;vs Qwen2-VL在图表理解与定位精度提升 1. 引言&#xff1a;从Qwen2-VL到Qwen2.5-VL的进化 如果你之前用过Qwen2-VL&#xff0c;可能会觉得它已经很强了——能看懂图片&#xff0c;能回答问题&#xff0c;基本的多模态任务都能搞定。但用…...

数据科学模型评估终极指南:交叉验证与性能指标完全解析

数据科学模型评估终极指南&#xff1a;交叉验证与性能指标完全解析 【免费下载链接】awesome-datascience awesome-datascience: 是一个包含各种数据科学资源、工具和实践的汇总列表。适合数据科学家、分析师和开发者查找和学习数据科学的知识和技术。 项目地址: https://git…...

HarmonyOS6 半年磨一剑 - RcTextarea 组件状态管理与禁用只读机制

文章目录 前言一、焦点状态机1.1 isFocused 驱动的 UI 变化1.2 焦点事件处理流程 二、禁用与只读的本质区别2.1 技术实现对比2.2 视觉表现差异2.3 清空按钮的保护逻辑 三、清空按钮的智能显示策略3.1 双重触发模式3.2 清空按钮的渲染位置3.3 清空操作的完整流程 四、自动聚焦与…...

OpCore-Simplify:黑苹果配置的终极简化指南,零基础也能轻松上手

OpCore-Simplify&#xff1a;黑苹果配置的终极简化指南&#xff0c;零基础也能轻松上手 【免费下载链接】OpCore-Simplify A tool designed to simplify the creation of OpenCore EFI 项目地址: https://gitcode.com/GitHub_Trending/op/OpCore-Simplify 还在为复杂的黑…...

5分钟搞定Netdata监控面板汉化:最新GitHub汉化包一键安装教程

Netdata监控面板极速汉化指南&#xff1a;从零到精通的完整解决方案 对于国内开发者而言&#xff0c;英文界面始终是技术工具使用中的一道隐形门槛。Netdata作为一款功能强大的实时监控工具&#xff0c;其全英文的仪表盘让不少运维人员望而却步。本文将带你彻底解决这一痛点&am…...

Python服务OOM频发真相:20年C Python内核开发者首曝智能体内存管理策略架构图(含perf+eBPF验证数据)

第一章&#xff1a;Python智能体内存管理策略架构总览Python智能体的内存管理并非简单复用CPython的引用计数与垃圾回收机制&#xff0c;而是构建在多层级抽象之上的协同式策略体系。该体系需同时满足短期对话上下文缓存、长期知识图谱嵌入存储、跨会话记忆检索以及隐私敏感数据…...