Genellikle normal bir değişkenin belirli bir aralıkta olma olasılığını hesaplamamız gerekir. Güçlü istatistiksel yazılımların mevcut olmasından çok önce, öğrencilere bir değişkeni standart normal değişkene3, z dönüştürmeleri, bir alan tablosuna bakmaları ve ardından olasılığı bulmak için alanları manipüle etmeleri öğretildi.

SPSS ile artık basılı standart normal tablolara güvenmemize gerek yok. Hesapladığınız kümülatif değerleri kullanarak bu olasılıkları kolayca bulabiliriz. Öncelikle standart kümülatif normal dağılım grafiğine bir göz atalım.

Grafikler Grafik Oluşturucu… Bu sefer, yine de bireysel vakaların değerlerini temsil eden Basit bir çizgi grafiği seçin. Çizgi, ortalaması 0 ve standart sapması 1 olan değişken için kümülatif olasılıkları temsil etmelidir. Cum’u seçin. Normal (0,1) [cn01].

CN01’in şekli hakkında ne fark ediyorsunuz? Bu eğri üzerindeki (0, 0,5) noktasına bakın: Standart normal değişken hakkında neyi temsil ediyor?

Şimdi p(–2.5 < z < 1) bulmak istediğimizi varsayalım. Olasılıkları bulmak için cn01’i kaydırabilir veya aşağıdaki gibi doğrudan talep edebiliriz.

Değer adlı boş değişken sütununa, yalnızca –2.5 ve 1 sayılarını yazın. Hesaplama Değişkenini Dönüştür… Hedef Değişkeniniz için cumprob yazın. Sayısal İfade, CDF.NORMAL(değer, 0,1) şeklindedir.

p(–2,5 < z < 1) bulmak için, p(–2,5 < z)’yi p(z < 1)’den çıkarırız. Başka bir deyişle, .8413 – .0062 hesaplıyoruz ve .8351 alıyoruz. Bu yaklaşım, normal olarak dağıtılan herhangi bir rastgele değişken için çalışır. x’in ortalaması 500 ve standart sapması 100 olan normal olduğunu varsayalım. p(500 < x < 600) bulalım.

Değerin ilk iki hücresine 500 ve 600 yazın. Hesaplama iletişim kutusunu yeniden düzenleyin. Sayısal İfadede, ortalama parametreyi 500, standart sapmayı 100 olarak değiştirin. Bir kez daha, iki kümülatif olasılık değerini çıkarın.
p(500 < x < 600) nedir? p(x > 600)? p(x < 300)?

Model Olarak Normal Eğriler

Normal dağılımın bu kadar önemli olmasının bir nedeni, çeşitli diğer dağılımlara yakın bir yaklaşım olarak hizmet edebilmesidir. Örneğin, birçok deneme içeren binom deneyleri yaklaşık olarak normaldir. 100 deneme ve p(başarı) = .20 olan bir binom değişkeni örneğini deneyelim.

Hesaplama Değişkenini Dönüştür.  Hedef değişken binomdur ve ifade CDF.BINOM’dur (yüz, 100, .2). Önceki örneklerde olduğu gibi, bu kümülatif binom dağılımını oluşturur. Graphs Chart Builder… Binom adı verilen değişkeni temsil eden basit bir çizgi grafiği yapın ve yüzlerce değer yatay eksen için etiket görevi görür.

Bu dağılımın normal bir dağılımla tahmin edilebileceğini görüyor musunuz? Soru şu ki, özellikle hangi normal dağılım? n = 100 ve p = .20 olduğundan, binom değişkeninin ortalaması ve standart sapması 20 ve 4.4 Bu parametrelerle normal bir eğri oluşturalım.

Standart normal dağılım özellikleri
Normal dağılım grafiği
istatistik : normal dağılım örnekleri
Normal eğri alanları tablosu
Standart normal dağılım tablosu
Z Tablosu
Standart normal dağılım hesaplama
Normal dağılım Tablosu

Hesaplama Değişkenini Dönüştür… Buradaki hedef değişken cn204’tür ve ifade CDF.NORMAL(yüz,20,4)’tür.

Binom ve cn204 adlı iki değişkeni temsil eden iki çizgi grafiği oluşturun ve yatay eksen bir kez daha yüz olur. İki eğrinin yaklaşık olarak aynı olduğunu söyleyebilir misiniz? Normal eğri, genellikle gerçek dünyada gözlenen verilerin iyi bir tahminidir. İki örnek düşünelim.

42 ülkeden yıllık ekonomik ve demografik verileri içeren PAWorld dosyasını açın.

İki değişkeni ele alacağız: bir ülkenin enflasyona göre düzeltilmiş (“gerçek”) Gayri Safi Yurtiçi Hasılasının her yıl harcanan veya tüketilen oranı ve her bir ülkenin GSYİH’sının her yıl Amerika Birleşik Devletleri’nin GSYİH’sine oranı.

Grafikler ChartBuilder…Basit bir histogram seçin ve GSYİH’nin [c] gerçek tüketim yüzdesi değişkenini x eksenine sürükleyin. Çubuklar için Eleman Özellikleri’nde, Normal eğriyi görüntüle etiketli kutuyu işaretleyin.
Aynısını ABD’ye göre Kişi Başına GSYİH değişkeni için yapın.

Normal (oturumun ilk bölümündeki simüle edilmiş verileri içerir)

1. Öğrendiklerinizi, ortalaması 8 ve standart sapması 2.5 olan normal bir rastgele değişken için aşağıdaki olasılıkları hesaplamak için kullanın.

2. Aşağıdakileri yapmak için yüz ve binom değişkenlerini kullanın: n = 100 ve p = 0.4 parametreleriyle bir binom dağılımı için kümülatif olasılıklar oluşturun. Oturumda gösterildiği gibi, uygun kümülatif normal olasılıkları da hesaplayın (uygun μ ve σ’yı belirlemelisiniz). Binom ve normal olasılıkları karşılaştırmak için bir grafik oluşturun; karşılaştırmaya yorum yapın.

Çıktı

Bu dosya, Amerika Birleşik Devletleri’nin uzun yıllardır sanayi üretimine ilişkin aylık verileri içermektedir. İlk sütun tarihi içerir ve sonraki altı, Ek A’da açıklanan belirli değişkenleri içerir. Altı değişkenin tümü için üst üste bindirilmiş normal eğrilerle altı histogram oluşturun.

3. Histogramlarına göre, altı değişkenden hangisi size en normal dağılıma yakın görünüyor? En azından normale yakın mı?

4. Normale en yakın olarak seçtiğiniz değişkenin normal bir dağılım izlemesi için gerçek hayattan bazı nedenler önerin. Yani, belirli bir değişkenin hangi özellikleri, neden normal bir eğri izlediğini açıklayabilir?

BP

Bu dosya, farklı fiziksel ve psikolojik stres altındaki bireylerden oluşan bir numunenin kan basıncı okumalarını ve diğer ölçümlerini içerir.

5. dbprest değişkeni, bireylerin istirahat diyastolik kan basıncını ifade eder. Bu değişkenin bir histogramını oluşturun ve normal olarak dağılmış göründüğü ölçüde yorum yapın.

6. dbprest’in örnek ortalamasını ve standart sapmasını bulun. Rastgele seçilen bir kişinin diyastolik kan basıncının 76.6’yı aşma olasılığını hesaplamak için CDF.NORMAL işlevini ve örnek ortalamasını ve standart sapmasını kullanın. Başka bir deyişle, p(x > 76.6) bulun.

Örnekte, insanların yaklaşık %10’unun diyastolik okumaları 76.6’nın üzerindeydi. Bu, az önce bulduğunuz normal olasılıkla nasıl karşılaştırılır?

Bu dosya 252 erkeğin vücut ölçülerini içermektedir. Çıktı veri kümesi için açıklanan aynı tekniği kullanarak, bunları araştırın.
değişkenler:

• FatPerc
• Yaş
• Ağırlık
• Boyun
• Biceps

7. Histogramlarına göre, hangi değişken en yakın görünüyor?
size normal olarak dağıtıldı mı? En azından normale yakın mı?

8. Normale en yakın olarak seçtiğiniz değişkenin normal bir dağılım izlemesi için gerçek hayattan bazı nedenler önerin.

9. Boyun ölçüm değişkeni için örnek ortalamasını ve standart sapmayı bulun. Bu değerleri normal bir eğrinin parametreleri olarak kullanın ve teorik kümülatif olasılıkları oluşturun. Bu olasılıkları kullanarak, boyun ölçüleri 29 ile 35 cm arasında olan erkeklerin yüzdesini tahmin edin. Aslında, örneklemdeki erkeklerin 23’ü (%9,1) bu aralığa düştü; Bu sonuç sizin tahmininizle nasıl karşılaştırılır? Karşılaştırma hakkında yorum yapın.

The post Model Olarak Normal Eğriler – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).