Binaryoptions.com публикува всички статии в съответствие със строги редакционни указания. Чрез нашите опитни автори и система за контрол ние публикуваме проверено и проверено съдържание. Ние също така актуализираме нашето съществуващо съдържание с най-новата информация и предоставяме на нашите читатели последните новини. 
Да предположим, че сте се чудили за най-важното непрекъснато вероятностно разпределение във вероятността и икономиката. В такъв случай нормалното разпределение може да задоволи вашите мисли. Някои хора го наричат Гаусово разпределение и камбановидна крива.
С нормалното разпределение много случайни променливи са представени в икономиката и търговията. Освен това търговците могат да го използват и за получаване на други вероятностни разпределения. Следователно е от голямо значение, когато става въпрос за анализиране на данни. Нека научим повече за нормалното разпределение, неговото определение и пример.
Определение за нормално разпределение
За да разберем нормалното разпределение, нека приемем функция на плътност, където f(x) е нейната вероятност, а X е случайна променлива. Следователно, той дефинира функция, която е интегрирана между диапазона (x към x + dx). Освен това дава вероятността на X, като взема предвид стойностите между х и x+dx.
f(x) ≥ 0 ∀ x ϵ (−∞,+∞)
И -∞∫+∞ f(x) = 1
И накрая, можем да кажем, че нормалното разпределение е функцията на плътност на вероятността за непрекъсната случайна променлива в система.
Формула за нормално разпределение
Можете да намерите функцията на плътността на вероятността на разпределението на Гаус, като използвате следната формула:
Където:
- х е променливата
- μ представлява средната стойност
- σ се отнася до стандартното отклонение
Нормална крива на разпределение
Нормалната крива на разпределение обикновено е с форма на камбана. Ето защо камбановата крива е другото име на тази крива на разпределение. При нормалното разпределение случайните променливи могат да заемат всяка неизвестна стойност от даден диапазон. Можете също така да наричате тези случайни променливи непрекъснати променливи.
Например, учениците в училище имат ръст в диапазона, да речем, от 0 до 6 фута. Този диапазон обаче се влияе от физическите ограничения на човешкото същество.
В действителност диапазонът от променливи може дори да се разшири от –∞ до + ∞. Нормалното разпределение тук ще осигури вероятността стойността да лежи в конкретния диапазон на експеримента. Да предположим, че не можете да отделите много време за извършване на всички изчисления. В такъв случай можете да използвате калкулатора за нормално разпределение, за да намерите плътността на вероятността, като предоставите стандартно отклонение и средна стойност.
Стандартно отклонение на нормалното разпределение
Обикновено стандартното отклонение е положително в нормалното разпределение. В кривата на нормалното разпределение средната стойност определя линията на симетрия. Обратно, стандартното отклонение определя докъде се разпространяват данните.
По-малко стандартно отклонение би довело до по-тясна графика и обратно.
Ако използваме стандартно отклонение, проверяемото правило гласи:
- Едно стандартно отклонение на средната стойност съдържа приблизително 68% от данните.
- Приблизителните данни за 95% попадат в две стандартни отклонения от средната стойност.
- Три средни стандартни отклонения имат около 99,7% от общите данни.
По този начин ние също се отнасяме към емпиричното правило като правилото 68 – 95 – 99,7.
Пример за нормално разпределение
Да предположим, че стойността на случайната променлива е 2. Ако средната стойност е 5 и стандартното отклонение е 4, можете да намерите нормалното разпределение по формулата за плътност на вероятността:
f(2,2,4) = 1/(4√2π) e0
f(2,2,4) = 0,0997
Средната стойност и стандартното отклонение са два жизненоважни параметъра на нормалното разпределение. Без тях не можете да намерите нормалното разпределение и да го използвате с други индикатори за търговия, за да вземате точни решения.
