Normalfordelingen - matematikfysik
Normalfordelingen - matematikfysik
Normalfordelingen - matematikfysik
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
22<br />
© Erik Vestergaard – www.matematiksider.dk<br />
Udføres lineær regression på målepunkterne fra 158 cm til 205 cm, fås følgende forskrift:<br />
y = 0,1433⋅t−25,755 . Sammenlignes med (20) fås<br />
(21)<br />
1<br />
μ<br />
≈0,1433 ∧ − ≈−25,755 ⇔ σ≈6,98 ∧ μ≈179,7<br />
σ σ<br />
begge i enheden cm. Bemærk, at dette er noget approksimative værdier for middelværdi<br />
og spredning. For at finde mere pålidelige og rimelige estimater for middelværdi og<br />
spredning bør man benytte formlerne for den empiriske middelværdi, den empiriske varians<br />
og den empiriske spredning:<br />
(22)<br />
1 1 1<br />
x = ⋅ x , s = ⋅ ( x − x) , s = ⋅ ( xi −x)<br />
n n n<br />
n n n<br />
2 2<br />
∑ i ∑ i<br />
∑<br />
i= 1 −1 i= 1 −1<br />
i=<br />
1<br />
Vi vil ikke argumentere for disse formler i detaljer her, blot nævne, at de er beslægtede<br />
med formlerne i definition 5 og 6. Det skal dog nævnes, at man med vilje kalder den<br />
empiriske middelværdi for x , og ikke μ. Det skyldes, at man skal opfatte x som et<br />
estimat på den ”rigtige middelværdi”, μ. Førstnævnte afhænger jo af de forhåndenværende<br />
datapunkter. Tilsvarende med s og σ. Først den empiriske middelværdi:<br />
n<br />
1 1<br />
= ⋅ ∑ i = ⋅ 2⋅ 153+ 2⋅ 154 + 1⋅ 155 + 5⋅ 156 + … + 1⋅ 210 = 180,1<br />
13427<br />
(23) x x ( )<br />
n i=<br />
1<br />
Bemærk, at formlen antager data skrevet på en lang række x1, x2, x3, … Da vi har angivet<br />
hyppighederne for hver observation, så skriver vi 2⋅ 153 i stedet for 153 + 153.<br />
Nu<br />
til den empiriske varians, hvori den empiriske middelværdi skal bruges:<br />
1<br />
s x x<br />
n<br />
2 2<br />
= ⋅∑( i − )<br />
n −1<br />
i=<br />
1<br />
1<br />
2 2<br />
2<br />
(24) = ⋅( 2 ⋅(153− 180,1) + 2 ⋅(154 − 180,1) + …+<br />
1 ⋅(210 −180,1)<br />
)<br />
13427 −1<br />
= 46,38<br />
hvor vi igen har samlet enslydende led. Vi får nu straks den empiriske spredning:<br />
2