Hopp til innhold

Fagstoff

Standard normalfordeling

Noen ganger har vi bruk for å finne sannsynligheter i en normalfordeling uten digitale hjelpemidler. Da kan vi bruke standard normalfordeling.

Standard normalfordeling

Vi innfører den kontinuerlige stokastiske variabelen Z som er normalfordelt med μ=0 og σ=1. En slik fordeling kaller vi for standard normalfordeling. Tetthetsfunksjonen til en slik fordeling er gitt ved

fx=12π·e-x24

Vi har at den kumulative sannsynligheten, P(Zz), er lik arealet under grafen til fz fra minus uendelig til z, det vil si at vi har

PZz=-zfxdx

I et koordinatsystem er det tegnet en normalfordelingskurve med toppunkt for x er lik 0. Området mellom kurven og x-aksen for x-verdier opp til 1 er farget blått. Området har påskriften P av Z mindre eller lik z. Illustrasjon.

For standard normalfordeling er det utarbeidet tabeller over de kumulative sannsynlighetene, noe som gjør at man kan finne sannsynligheter uten å regne ut integraler eller bruke digitale hjelpemidler. En tabell over sannsynlighetene i en standard normalfordelt variabel inneholder en skjematisk oversikt over de kumulative sannsynlighetene for Z-verdier med en avstand på 0,01. Det er vanlig å oppgi de kumulative sannsynlighetene mellom -3,09 og 3,09.

Vedlagt under finner du en versjon av tabellen som er hentet fra eksamenssettet i S2 våren 2023. Vi anbefaler at du laster den ned til datamaskinen din sånn at du alltid har den tilgjengelig for oppgaveløsning.

Filer


Et lite utdrag av tabellen ser slik ut:

utdrag standard normalfordeling

z

0,00

0,01

0,02

0,03

0,04

0,0

0,50000,50400,50800,51200,5160

0,1

0,53980,54380,54780,55170,5557

0,2

0,57930,58320,58710,59100,5948

0,3

0,61790,62170,62550,62930,6331

0,4

0,65540,65910,66280,66640,6700

Når vi skal bruke tabellen, må vi finne de to første sifrene i overskriftskolonnen til venstre og det tredje sifferet i overskriftsraden. Hvis vi skal finne PZ0,22, finner vi 0,2 i kolonnen til venstre og 0,02 i den øverste raden. Den tilhørende cella inneholder tallet 0,587 1. Dette betyr at PZ0,22=0,587 1.

🤔 Tenk over: Hvordan finner vi sannsynligheten for at Z er større enn en gitt verdi, for eksempel PZ>0,44?

Forklaring

Tabellen gir oss de kumulative sannsynlighetene, altså sannsynligheten for at Zz. For å finne PZ>z må vi dermed regne ut 1-PZz. Vi leser av cella nederst til høyre i utdraget av tabellen og får

PZ>0,44=1-PZ0,44=1-0,670 0=0,330 0

Omskriving til standard normalfordeling

Vi kan regne om alle normalfordelte variabler til en standard normalfordelt variabel Z. Dette kan være nyttig fordi vi da kan finne sannsynligheter for hånd ved hjelp av tabellen. Dersom vi har en normalfordelt variabel X med forventningsverdi μ og standardavvik σ, kan vi skrive den om til den standard normalfordelte Z ved hjelp av formelen

Z=X-μσ

🤔 Tenk over: Hvorfor blir forventningsverdien til Z lik 0 og standardavviket lik 1?

Forklaring

En normalfordeling er symmetrisk om forventningsverdien. Dersom vi trekker forventningsverdien fra alle observasjonene, vil hele datasettet "flytte seg" slik at toppunktet i kurven vil være der x=0.

X-μ forteller oss hvor mye observasjonen vår avviker fra forventningsverdien. Dersom vi deler dette avviket på standardavviket, får vi oppgitt dette avviket i "standardavviksdeler". Hvis for eksempel avviket er ett standardavvik og vi deler dette på σ, får vi 1.

I oppgave 4.2.12 på oppgavesiden "Standard normalfordeling" skal du få vise ved regning at μ=0 og σ=1 for en slik variabel.

Eksempel

teorisiden om normalfordelingen bruker vi håndballspilleres høyde som eksempel. Den stokastiske variabelen X er høyden til en tilfeldig valgt håndballspiller i utvalget. Vi har at spillernes høyde er normalfordelt med μ=186 og σ=8. Vi skal nå finne sannsynligheten for at en tilfeldig valgt av disse håndballspillerne er mer enn 194 cm, det vil si PX>194, ved hjelp av omskriving til standard normalfordeling.

Vi får at

Z=X-μσ=194-1868=88=1

Dette betyr at PX>194=PZ>1. Vi går inn i tabellen og finner at PZ1=0,841 3.

PX>194=P(Z>1)=1-PZ1=1-0,841 3=0,158 7

CC BY-SASkrevet av Tove Annette Holter.
Sist faglig oppdatert 11.08.2023

Læringsressurser

Statistiske fordelinger. Normalfordelingen