Binaryoptions.com publikuje všechny články podle přísných redakčních pokynů. Prostřednictvím našich zkušených autorů a kontrolního systému zveřejňujeme ověřený a ověřený obsah. Aktualizujeme také náš stávající obsah o nejnovější informace a poskytujeme našim čtenářům nejnovější zprávy. 
Předpokládejme, že jste přemýšleli o nejdůležitějším spojitém rozdělení pravděpodobnosti v pravděpodobnosti a ekonomii. V takovém případě může normální distribuce uspokojit vaše myšlenky. Někteří lidé to označují jako Gaussovo rozdělení a zvonová křivka.
S normální distribucí je v ekonomii a obchodování zastoupeno mnoho náhodných proměnných. Kromě toho jej mohou obchodníci také využít k získání dalších rozdělení pravděpodobnosti. Proto je při analýze dat velmi důležité. Pojďme se dozvědět více o normální distribuci, její definici a příkladu.
Definice normálního rozdělení
Abychom porozuměli normálnímu rozdělení, předpokládejme funkci hustoty, kde f(x) je její pravděpodobnost a X je náhodná veličina. Proto definuje funkci, která je integrována mezi rozsah (x až x + dx). Dále dává pravděpodobnost X tím, že uvažuje hodnoty mezi X a x+dx.
f(x) ≥ 0 ∀ x ϵ (−∞,+∞)
A -∞∫+∞ f(x) = 1
Nakonec můžeme říci, že normální rozdělení je funkce hustoty pravděpodobnosti pro spojitou náhodnou veličinu v systému.
Vzorec normálního rozdělení
Funkci hustoty pravděpodobnosti gaussovského rozdělení můžete najít pomocí následujícího vzorce:
Kde:
- X je proměnná
- μ představuje průměr
- σ odkazuje na standardní odchylku
Normální distribuční křivka
Křivka normální distribuce má obvykle tvar zvonu. Proto je zvonová křivka jiným názvem pro tuto distribuční křivku. V normálním rozdělení mohou náhodné proměnné nabývat jakékoli neznámé hodnoty z daného rozsahu. Tyto náhodné proměnné můžete také označit jako spojité proměnné.
Například studenti ve škole mají výšku v rozmezí řekněme 0 až 6 stop. Tento rozsah je však ovlivněn fyzickými omezeními lidské bytosti.
Ve skutečnosti se rozsah proměnných může dokonce rozšiřovat –∞ až + ∞. Normální rozdělení zde poskytne pravděpodobnost hodnoty ležící v konkrétním rozsahu experimentu. Předpokládejme, že nemůžete ušetřit mnoho času na provádění všech výpočtů. V takovém případě můžete použít Kalkulátor normálního rozdělení k nalezení hustoty pravděpodobnosti poskytnutím standardní odchylky a střední hodnoty.
Směrodatná odchylka normálního rozdělení
Obvykle je směrodatná odchylka v normálním rozdělení kladná. V křivce normálního rozdělení určuje průměr čáru symetrie. Naproti tomu směrodatná odchylka definuje, jak daleko jsou data rozšířena.
Menší směrodatná odchylka by měla za následek užší graf a naopak.
Pokud použijeme směrodatnou odchylku, ověřitelné pravidlo říká:
- Jedna standardní odchylka průměru obsahuje přibližně 681 TP36T dat.
- Přibližná data 95% spadají do dvou standardních odchylek od průměru.
- Tři střední standardní odchylky mají asi 99,7% z celkových dat.
Empirické pravidlo tedy označujeme také jako pravidlo 68 – 95 – 99,7.
Příklad normálního rozdělení
Předpokládejme, že hodnota náhodné veličiny je 2. Pokud je průměr 5 a směrodatná odchylka 4, můžete najít normální rozdělení podle vzorce hustoty pravděpodobnosti:
f(2,2,4) = 1/(4√2π) e0
f(2,2,4) = 0,0997
Průměr a standardní odchylka jsou dva zásadní parametry normální distribuce. Bez nich nemůžete najít normální distribuci a použít ji s jinými obchodními ukazateli k přesnému rozhodování.
