Том 19. Ипотека и уравнения. Математика в экономике (Арталь, Салес) - страница 63
Некоторые распределения вероятностей описывают экономические и социальные явления. Ситуации, когда изучаемая переменная является дискретной (принимает только целые значения или значения «да»/«нет»), адекватно описываются биномиальным распределением. При непрерывных переменных во многих случаях применяется нормальное распределение, или кривая Гаусса.
Живительная математическая теорема, называемая «центральной предельной теоремой», гласит, что на очень больших генеральных совокупностях (при анализе множества деталей, изготовленных на станке, множества избирателей в стране, роста, веса, психологических характеристик людей, поведения групп людей и т. д.) рассматриваемые значения стремятся к нормальному распределению, следовательно, средние значения на выборках, взятых из этой совокупности, также подчиняются нормальному закону и совпадают со средними по всей совокупности. Среднеквадратическое отклонение на выборках также подчиняется нормальному закону и равняется среднеквадратическому отклонению генеральной совокупности.
Центральная предельная теорема является основным связующим звеном между значениями на выборке (несколько объектов) и значениями на большой генеральной совокупности (множество объектов) и показывает, насколько большое значение имеет нормальное распределение вероятности в статистических исследованиях.
По данным периодически проводимых опросов активного населения можно определить параметры всего населения страны с определенной погрешностью, которая описывается доверительным интервалом, о чем мы уже говорили выше.
Вероятность P(z) возникновения события z вычисляется как площадь, ограниченная графиком функции распределения и осью ОХ. Поэтому нет смысла говорить о Р(0,45), так как, во-первых, в связи с погрешностями измерения, неизбежными для любого инструмента, можно говорить лишь об определенном интервале, во-вторых, потому что площадь полученной области будет равна 0.
* * *
СТАНДАРТИЗОВАННОЕ НОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ
Стандартизованное нормальное распределение — это упрощенное нормальное распределение изучаемого параметра или переменной. Все значения х>i изучаемой переменной меняются: из них вычитается среднее значение i, после чего результат делится на среднеквадратическое отклонение σ. Стандартизованная переменная обозначается буквой z.
Таким образом, центральным значением множества х>i становится не μ, а 0. При делении на σ распределение становится стандартизованным, среднеквадратическое отклонение принимает значение σ = 1. Таким образом, одно и то же распределение (один и тот же график, одну и ту же функцию и одну и ту же таблицу значений) можно использовать для любого нормального распределения после замены переменной, а благодаря этой замене при анализе любого нормального распределения можно использовать одну и ту же таблицу значений.