Ha le seguenti propriet\u00e0:<\/span><\/p>\n Se creiamo un grafico della distribuzione normale, sar\u00e0 simile a questo:<\/span> <\/p>\n La distribuzione uniforme<\/a> \u00e8 una distribuzione di probabilit\u00e0 in cui ciascun valore compreso in un intervallo da a<\/em> a b<\/em> ha la stessa probabilit\u00e0 di verificarsi.<\/span><\/p>\n Ha le seguenti propriet\u00e0:<\/span><\/p>\n Se creiamo un grafico della distribuzione uniforme, sar\u00e0 simile a questo:<\/span> <\/p>\n La distribuzione normale e la distribuzione uniforme condividono la seguente somiglianza<\/strong> :<\/span><\/p>\n Tuttavia, le due distribuzioni presentano la seguente differenza<\/strong> :<\/span><\/p>\n La distribuzione normale<\/strong> viene utilizzata per modellare fenomeni che tendono a seguire una forma a “curva a campana”. Ad esempio, \u00e8 ben documentato che il peso alla nascita dei neonati \u00e8 normalmente distribuito in media intorno ai 7,5 chili.<\/span><\/p>\n L’istogramma del peso alla nascita dei neonati negli Stati Uniti presenta una forma a campana che generalmente corrisponde alla distribuzione normale:<\/span> <\/p>\n La maggior parte dei bambini probabilmente pesa circa 7,5 libbre, con alcuni che pesano meno di 7 libbre e alcuni che pesano pi\u00f9 di 8 libbre.<\/span><\/p>\n Al contrario, la distribuzione uniforme<\/strong> viene utilizzata per modellare scenari in cui ogni risultato potenziale \u00e8 ugualmente probabile.<\/span><\/p>\n Un classico esempio \u00e8 lanciare un dado. Se si lancia un dado una volta, la probabilit\u00e0 che esca su un numero compreso tra 1 e 6 segue una distribuzione uniforme perch\u00e9 ogni numero ha la stessa probabilit\u00e0 di apparire.<\/span><\/p>\n Ad esempio, ci sono 6 possibili numeri su cui pu\u00f2 fermarsi il dado, quindi la probabilit\u00e0 che si ottenga un 1 \u00e8 1\/6.<\/span><\/p>\n Allo stesso modo, la probabilit\u00e0 che si ottenga un 2 \u00e8 1\/6.<\/span><\/p>\n Allo stesso modo, la probabilit\u00e0 che tu ottenga un 3 \u00e8 1\/6.<\/span><\/p>\n E cos\u00ec via.<\/span><\/p>\n Abbiamo utilizzato il seguente codice in R per creare grafici delle distribuzioni normale e uniforme:<\/span><\/p>\n 6 esempi concreti della distribuzione normale<\/a> La distribuzione normale \u00e8 la distribuzione di probabilit\u00e0 pi\u00f9 comunemente utilizzata in statistica. Ha le seguenti propriet\u00e0: Simmetrico A forma di campana Se creiamo un grafico della distribuzione normale, sar\u00e0 simile a questo: La distribuzione uniforme \u00e8 una distribuzione di probabilit\u00e0 in cui ciascun valore compreso in un intervallo da a a b ha la […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/norm_unif1.png\")
<\/p>\n\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/norm_unif2.png\")
<\/p>\n\n
\n
Distribuzione normale o distribuzione uniforme: quando utilizzarle?<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/unimodal1-2.png\")
<\/p>\n Bonus: come tracciare la distribuzione normale e uniforme<\/strong><\/span><\/h3>\n
#define x-axis<\/span>\nx <- seq(-4, 4, length=100)\n\n#calculate normal distribution probabilities\n<\/span>y <- dnorm(x)\n\n#plot normal distribution\n<\/span>plot(x, y, type = \" l<\/span> \", lwd = 2<\/span> )\n\n#define x-axis\n<\/span>x <- seq(-4, 4, length=100)\n\n#calculate uniform distribution probabilities\n<\/span>y <- dunif(x, min = -3, max = 3)\n\n#plot uniform distribution\n<\/span>plot(x, y, type = \" l<\/span> \", lwd = 2<\/span> , xlim = c(-4, 4))\n<\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
5 esempi concreti di distribuzione uniforme<\/a>
Distribuzione simmetrica: definizione + esempi<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"