打字

本文解释了统计中分布特征的含义。因此，您将找到典型化的定义、变量典型化的示例，此外，您将能够通过逐步解决的练习进行练习。

什么是打字？

在统计学中，归一化是对分布应用线性变换，使其平均值和标准差分别等于 0 和 1 的过程。

更准确地说，打字涉及从随机变量中减去平均值，然后除以标准差。

打字也可以称为规范化或标准化。

输入公式

要对变量进行分类，必须减去其平均值，然后除以标准差。因此，输入变量的公式如下：

金子

是变量的平均值

和

其标准差（或标准差）。

因此，该条目实际上是变量更改，因为对变量应用了线性变换。

示例条目

考虑到典型化的定义及其公式，下面是一个具体的例子来充分理解这个概念。

• 连续随机变量服从均值 45、标准差 10 的正态分布，获得小于或等于 60 的值的概率是多少？

为了找到正态分布的概率，我们需要使用它的特征表，但要做到这一点，我们需要首先执行打字过程。因此，我们减去平均值并除以标准差得到概率值：

标准化后，我们将继续查看正态分布概率表，看看 1.5 的值对应的概率是多少：

从正态分布典型表中可以看出，上一步计算出的值对应的概率如下：

因此，获得等于或小于 60 的值的概率为 93.32%。

打字练习已解决

计算均值和标准差分别为 120 和 50 的正态分布的以下概率。

• 获得小于或等于 208 的值的概率。
• 获得大于 137 的值的概率。

在问题的两个部分中，我们都需要输入正态分布来计算概率。

我们首先计算输入小于或等于 208 的值的概率：

现在让我们看一下上表，值 1.76 对应的概率是多少：

其次，我们将计算获得大于 137 的值的概率。以同样的方式，我们首先输入变量：

然而，附表只有最低的累积概率，因此要使用该表，我们必须首先转换概率：

最后，我们将从附表中记下与 Z 的计算值相对应的概率：