Binaryoptions.com publikuje wszystkie artykuły zgodnie ze ścisłymi wytycznymi redakcyjnymi. Dzięki naszym doświadczonym autorom i systemowi kontroli publikujemy sprawdzone i zweryfikowane treści. Aktualizujemy również nasze istniejące treści o najnowsze informacje i dostarczamy naszym czytelnikom najnowsze wiadomości. 
Załóżmy, że zastanawiałeś się nad najważniejszym ciągłym rozkładem prawdopodobieństwa w prawdopodobieństwie i ekonomii. W takim przypadku dystrybucja normalna może zaspokoić twoje myśli. Niektórzy nazywają to rozkładem Gaussa i krzywą dzwonową.
W przypadku rozkładu normalnego wiele zmiennych losowych jest reprezentowanych w ekonomii i handlu. Co więcej, handlowcy mogą również wykorzystać go do uzyskania innych rozkładów prawdopodobieństwa. Dlatego ma ogromne znaczenie, jeśli chodzi o analizę danych. Dowiedzmy się więcej na temat rozkładu normalnego, jego definicji i przykładu.
Definicja rozkładu normalnego
Aby zrozumieć rozkład normalny, przyjmijmy funkcję gęstości, w której f(x) jest jej prawdopodobieństwem, a X jest zmienną losową. Dlatego definiuje funkcję, która jest zintegrowana między zakresem (x do x + dx). Dalej daje prawdopodobieństwo X, biorąc pod uwagę wartości między x oraz x+dx.
f(x) ≥ 0 ∀ x ϵ (−∞,+∞)
I -∞∫+∞ f(x) = 1
Na koniec możemy powiedzieć, że rozkład normalny jest funkcją gęstości prawdopodobieństwa dla ciągłej zmiennej losowej w systemie.
Wzór na rozkład normalny
Funkcję gęstości prawdopodobieństwa rozkładu Gaussa można znaleźć za pomocą następującego wzoru:
Gdzie:
- x jest zmienną
- μ reprezentuje średnią
- σ odnosi się do odchylenia standardowego
Krzywa rozkładu normalnego
Krzywa rozkładu normalnego ma zwykle kształt dzwonu. Dlatego krzywa dzwonowa to inna nazwa tej krzywej rozkładu. W rozkładzie normalnym zmienne losowe mogą przyjmować dowolną nieznaną wartość z danego zakresu. Możesz również odnosić się do tych zmiennych losowych jako zmiennych ciągłych.
Na przykład uczniowie w szkole mają wzrost w zakresie, powiedzmy, od 0 do 6 stóp. Jednak na ten zakres mają wpływ fizyczne ograniczenia człowieka.
W rzeczywistości zakres zmiennych może sięgać nawet od –∞ do + ∞. Rozkład normalny w tym miejscu poda prawdopodobieństwo, że wartość mieści się w określonym zakresie eksperymentu. Załóżmy, że nie możesz poświęcić dużo czasu na wykonanie wszystkich obliczeń. W takim przypadku możesz użyć kalkulatora rozkładu normalnego, aby znaleźć gęstość prawdopodobieństwa, podając odchylenie standardowe i wartość średnią.
Odchylenie standardowe rozkładu normalnego
Zwykle odchylenie standardowe jest dodatnie w rozkładzie normalnym. W krzywej rozkładu normalnego średnia określa linię symetrii. W przeciwieństwie do tego odchylenie standardowe określa, jak daleko rozłożone są dane.
Mniejsze odchylenie standardowe dałoby węższy wykres i na odwrót.
Jeśli użyjemy odchylenia standardowego, weryfikowalna reguła stwierdza:
- Jedno odchylenie standardowe średniej zawiera około 68% danych.
- Przybliżone dane 95% mieszczą się w dwóch odchyleniach standardowych średniej.
- Trzy średnie odchylenia standardowe mają około 99,7% wszystkich danych.
Dlatego też nazywamy regułę empiryczną regułą 68 – 95 – 99,7.
Przykład rozkładu normalnego
Załóżmy, że wartość zmiennej losowej wynosi 2. Jeśli średnia wynosi 5, a odchylenie standardowe wynosi 4, rozkład normalny można znaleźć ze wzoru na gęstość prawdopodobieństwa:
f(2,2,4) = 1/(4√2π) e0
f(2,2,4) = 0,0997
Średnia i odchylenie standardowe to dwa istotne parametry rozkładu normalnego. Bez nich nie można znaleźć Dystrybucji Normalnej i używać jej z innymi wskaźnikami handlowymi do podejmowania trafnych decyzji.