Fsiqologebi6

ნორმალური განაწილება

შემთხვევითი სიდიდე (შ.ს) არის დისკრეტული, თუ ის ღებულობს ცალკეულ,

იზოლირებულ მნიშვნელობებს და უწყვეტი, თუ მისი შესაძლო მნიშვნელობები
მთლიანად ავსებენ რაიმე რიცხვით შუალედს. სტუდენტის მიერ გამოცდაზე
მიღებული ქულა -დისკრეტული შემთხვევითი სიდიდეა, ხოლო სტუდენტის
სიმაღლე - უწყვეტი შემთხვევითი სიდიდეა.

ერთ-ერთ მნიშვნელოვან განაწილებას, რომელიც აღწერს უწყვეტ შემთხვევით

სიდიდეს, წარმოადგენს ნორმალური განაწილება. ეს განაწილება შესწავლილი იყო
გერმანელი მათემატიკოს, გაუსის, მიერ და ზოგჯერ მოხსენიებულია გაუსის
განაწილების სახელით.

ნორმალური განაწილების გრაფიკს აქვს ზარისებული ფორმა, ის სიმეტრიულია

საშუალოს მიმართ და აქვს მხოლოდ ერთი საშუალოს ტოლი მოდა და მედიანა.

თუ ჩვენ გავზომავთ ნორმალურად განაწილებულ შემთხვევით სიდიდეს და ავაგებთ

მიღებული მნიშვნელობების ფარდობითი სიხშირეების ჰისტოგრამას, შესაბამის
სიხშირეთა პოლიგონს ექნება ზარისებული ფორმა. ამ სიტუაციაში პოლიგონი
წარმოადგენს ნორმალური განაწილების გრაფიკს.

ჩვენ ვიცით, რომ ფარდობით სიხშირეთა ჯამი უდრის ერთს, ეს კი ნიშნავს,

რომ პოლიგონის ქვეშ მდებარე ფართობიც უნდა უდრიდეს ერთს. გრაფიკის
სიმეტრიულობის გამო, საშუალოს მარცხვნივ და მარჯვნივ მდებარე ფართობები კი
უდრიან ½-ს ანუ 0.5-ს.

ჩვენ შეგვიძლია გამოვიყენოთ ნორმალური განაწილების გრაფიკი, იმისათვის რომ

გამოვთვალოთ P(z 1 ≤Z≤z 2 ). გამუქებული ფართობი გრაფიკის ქვეშ ,
შემოსაზღვრული ვერტიკალური წრფეებით z 1 და z 2 წერტილებში, უდრის
ალბათობას იმისა, რომ Z შემთხვევითი სიდიდის მნიშვნელობა იქნება z 1 -სა და z 2 -ს
შორის. P(z 1 ≤Z≤z 2 )
 2
თუ X აქვს ნორმალური განაწილება μ საშუალოთი და σ დისპერსიით, ეს ფაქტი
2
სიმბოლურად აღინიშნება როგორც X ¿ N ( μ , σ ).

2
საშუალო μ და დისპერსია σ - ნორმალური განაწილების პარამეტრებია. ნორმალურად
განაწილებული შემთხვევითი სიდიდის სიხშირეთა განაწილება შეიძლება სრულად
აღიწეროს, თუ ცნობილია განაწილების საშუალო μ და სტანდარტული გადახრა σ .
 ალბათობების გამოსათვლელად არ არის აუცილებელი ბევრი ცხრილის შექმნა μ
და σ სხვადასხვა წყვილებისთვის, რადგანაც ნებისმიერი ნორმალური განაწილება
შეიძლება გადაყვანილ იქნას ე.წ. სტანდარტულ ნორმალურ განაწილებაში N ( 0, 1)-ში,
ანუ ნორმალურ განაწილებაში 0-ს ტოლი საშუალოთი და 1 სტანდარტული
გადახრით. ამისთვის საჭიროა მოვახდინოთ X-ის ე.წ სტანდარტიზაცია ფორმულით:
X−μ
Z= σ
X−μ
2
თუ X ¿ N( μ , σ ) მაშინ Z= σ ¿ N ( 0,1)

Z აქვს სტანდარტული ნორმალური განაწილება ნულის ტოლი საშუალოთი და

ერთის ტოლი დისპერსიით. ამ განაწილებას ეწოდება სტანდარტული ნორმალური
განაწილება.

ნორმალური განაწილების თვისებები:

. ინტერვალი ( μ−1 σ , μ+1 σ ) მოიცავს მონაცემთა 68.3%.

. ინტერვალი ( μ−2 σ , μ+2 σ ) მოიცავს მონაცემთა 95.4%.

. ინტერვალი ( μ−3 σ , μ+3 σ ) მოიცავს მონაცემთა 99.7%.

სტანდარტული ნორმალური განაწილების თვისებები: ( μ=0 , σ

2

= 1)

.ინტერვალი( -1 , 1 ) მოიცავს მონაცემთა 68.3%.

ინტერვალი (-2 , 2) მოიცავს მონაცემთა 95.4%.

. ინტერვალი (-3 , 3) მოიცავს მონაცემთა 99.7%.

სტანდარტული ნორმალური განაწილების ცხრილის გამოყენება.

მონაცემთა სტანდარტიზაცია, ანუ z ქულებში გადაყვანის უპირატესობა ისაა, რომ

z-ის მნიშვნელობებს შორის მოხვედრის ალბათობები გამოთვლილია და მოცემული

სტანდარტული ნორმალური განაცილების ცხრილში .

განაწილების მრუდის ქვეშ მდებარე ფართობი უდრის 1-ს, განაწილების გრაფიკი

სიმეტრიულია, ამიტომ, მოდის მარცხნივ და მარჯნივ ფართობი 0.5-ის ტოლია.

ცხრილში მოცემულია P (0≤Z≤z) ალბათობები, z= 0.00, 0.01დან 3.09 მდე.

მაგალითი 1. გამოთვალეთ P(0≤z≤1.56).

ამოხსნა: იმისათვის, რომ ვიპოვოთ ალბათობა იმისა, რომ z არის 0-სა და 1.56 შორის,
სტანდართული ნორმალური განაწილების ცხრილის პირველ სვეტში უნდა ვიპოვოთ
რიცხვი1.5 და პირველ სტრიქონში რიცხვი 0.06, ( 1.5 + 0.06 = 1.56) და გადაკვეთაზე
მოცემული რიცხვი 0.4406 იქნება საძიებელი ალბათობა, ანუ P(0≤z≤1.56) = 0.4406.

ხშირად მოსაძებნია P(-z < Z< 0) ალბათობები. ნორმალური მრუდის სიმეტრიულობის

გამო P (0≤Z≤z) = P(-z < Z< 0). შევნიშნოთ, რომ უწყვეტობის გამო P (0≤Z≤z) = P(0<Z<z).

მაგალითი 2.

P( -2< Z< 0) = P( 0<Z<2 ) = 0.4772

P ( Z> 1.3) = P(0<Z<∞) – P( 0< Z< 1.3) = 0.5 – 0.4032 = 0.0968.

P ( -1<Z<2) = P (-1<Z<0) + P (0<Z<2) = P(0<Z<1) + P(0<Z<2) = 0.3413 + 0.4772 = 0.8185.

P (Z< 1.57 ) = P ( -∞<Z<0) + P (0<Z<1.57) = 0.5 + 0.4418 = 0.9418.

P (1<Z<2) = P (0<Z<2) – P (0<Z<1) = 0.4772 – 0.3413 = 0.1359.

მაგალითი 3.

ვთქვათ X ¿ N( 12,16), ანუ X ნორმალურადაა განაწილებული 12-ის ტოლი

საშუალოთი, 16-ის ტოლი დისპერსიით (4-ის ტოლი სტანდარტული გადახრით

√ 16 = 4 ).

როგორ ვიპოვოთ P (X > 14)?

პირველ რიგში უნდა მოვახდინოთ სტანდარტიზაცია და შემდეგ მიღებული z-ის

მეშვეობით ვიპოვოთ საძიებელი ალბათობა.
X−12 14−12
P( X > 14) = P( 4 > 4 ) = P( Z> 0.5) = 0.5 – 0.1915 = 0.3085.

ყველა განხილულ მაგალითში მოცემული z -თვის სტანდარტული ნორმალური

ცხრილის დახმარებით ვპოულობდით ალბათობებს. ხშირად საჭიროა შებრუნებული
ამოცანის განხილვა: მოცემული ალბათობით z -ის სიდიდის პოვნა.

მოცემული p ალბათობით z სიდიდის პოვნა.

მაგალითი 4.

ვიპოვოთ ისეთი z , რომ P(Z < z) = 0.75, ან რაც იგივეა P( Z ¿ z) = 1 - P(Z < z) .

თუ P(Z < z) = 0.75, მაშინ P(0< Z<z) = 0.25

სტანდარტული ნორმალური განაცილების ცხრილში მოვძებნით 0.25-თან უახლოეს
მნიშვნელობებს, ესენია P(0<Z< 0.67) = 0.2486 და P(0<Z< 0.68) = 0.2518,

საძიებელი z -ის მნიშვნელობად გამოდგება როგორც 0.67, ისე 0.68. უფრო ზუსტი
მიახლოება იქნება ამ მნიშვნელობების საშუალო არითმეტიკული, კერძოდ

(0.67 + 0.68)/2 = 0.675.

მაგალითი 5.

ვიპოვოთ ისეთი z0, რომ P( z>z0) = 0.025.

მოცემული 0.025 ფართობით, ჩვენი ცხრილით z0-ს ვერ ვიპოვით. z0 -ს ვიპოვით

(0.5 – 0.025 =0.475) ფართობით. z0 = 1.96.

მაგალითი 6.

ვთქვათ X ¿ N( 12,16), ანუ X ნორმალურადაა განაწილებული 12-ის ტოლი

საშუალოთი, 16-ის ტოლი დისპერსიით (4-ის ტოლი სტანდარტული გადახრით

√ 16 = 4 ).

ვიპოვოთ ისეთი x0, რომ P( x > x0 ) = 0.01. ჯერ უნდა ვიპოვოთ ისეთი z0

რომ P( z>z0) = 0.01. ამ z0 - ს ვიპოვით (0.5 – 0.01) ფართობით.

z0 = 2.33, P( x > x0 ) = P( z>z0), 2.33 = (x0 -12)/4 , x0 = 2.33( 4 ) + 12 = 21.32.

მაგალითი 7.

ვთქვათ X ¿ N( 12,16), ანუ X ნორმალურადაა განაწილებული 12-ის ტოლი

საშუალოთი, 16-ის ტოლი დისპერსიით (4-ის ტოლი სტანდარტული გადახრით

√ 16 = 4 ).

საშუალოს ირგლივ ააგეთ ისეთი სიმეტრიული ინტერვალი, რომელიც მოიცავს

ქულათა 95%-ს.

ასაგებია ( x1; x2 ) ინტერვალი, ისეთი რომ P( x1< x < x2 ) = 0.95. ჯერ ავაგოთ ისეთი
ინტერვალი, რომP( -z0 < z < z0) = 0.95. ნორმალური განაწილების სიმეტრიულობის
გამო, z0-ს ვიპოვით

ტოლობიდან P( 0< z <z0 ) = 0.475, z0 = 1.96. – z0 = ( x1 – 12 )/4, z0 = ( x2 – 12 )/4,

X1 = ( -1.96)4 +12 = 4.16, x2 = ( 1.96 )4 + 12 = 19.84.