Jawapan:
Sampel kecil, taburan normal dan anda boleh mengira sisihan piawai dan min, statistik t digunakan
Penjelasan:
Untuk sampel yang besar, statistik Z (skor Z) mempunyai kira-kira taburan normal biasa. Apabila sampel adalah kecil, kebolehubahan dalam pengedaran Z timbul daripada rawak. Ini menunjukkan bahawa taburan kebarangkalian akan lebih tersebar daripada taburan normal standard. Apabila n adalah nombor sampel dan df = n-1, skor t (statistik t) boleh dikira oleh
x¯ = min sampel
μ0 = purata hipotesis penduduk
s = sampel sisihan piawai
n = saiz sampel
Apakah beberapa statistik mengenai tenaga solar? Sila nyatakan sumber.
Permintaan yang semakin meningkat dan kemajuan teknikal. "Tidak ada sumber tenaga lain berbanding potensi tenaga solar (http://cleantechnica.com/solar-power/)." Kemajuan dan dasar teknologi untuk mempromosikan penyelidikan, pembangunan, dan merealisasikan solar telah mengakibatkan kejatuhan kos tenaga solar dalam tempoh beberapa tahun yang lalu. "Walaupun tanpa mengambilkira kos kesihatan dan keselamatan yang penting (perhatikan bahawa kajian Harvard menyimpulkan pada tahun 2011 bahawa kos kesihatan arang batu adalah $ 500 bilion setahun di Amerika Syarikat), kos persekitaran, kos keselamatan tenaga, dan bia
Apakah sifat lengkung kepadatan dalam statistik?
Sifat-sifat kurva kepadatan adalah: Sentiasa positif dan int _ (- oo) ^ oo f (x) d (x) = 1 Oleh itu, fungsi kepadatan F (oo) = 1 melainkan sebaliknya. jika a adalah teratas atas x kemudian. F (a) = 1 di mana f (x> = a) = 0
Bagaimanakah saya dapat mengira statistik jangka hayat jangka hayat enjin? (statistik, akan sangat menghargai bantuan dengan ini)
"a)" 4 "b) 0.150158" "c) 0.133705" "Perhatikan bahawa kebarangkalian tidak boleh negatif, oleh itu saya fikir kita perlu mengandaikan bahawa x pergi dari 0 ke 10." "Pertama sekali kita perlu menentukan c supaya jumlah semua kebarangkalian ialah 1:" int_0 ^ 10 cx ^ 2 (10 - x) "" dx = c int_0 ^ 10 x ^ 2 (10 - x) " "dx = 10 c int_0 ^ 10 x ^ 2 dx - c int_0 ^ 10 x ^ 3 dx = 10 c [x ^ 3/3] _0 ^ 10 - c [ 3 - 10000 c / 4 = 10000 c (1/3 - 1/4) = 10000 c (4 - 3) / 12 = 10000 c / 12 = 1 => c = 12/10000 = 0.0012 "a) variance = E (X ^ 2) - (E (X)) ^ 2 E (X) =