Finn bøyningspunktene for normal distribusjon

En ting som er flott med matematikk, er måten de tilsynelatende ikke-relaterte områdene av faget kommer sammen på overraskende måter. En forekomst av dette er anvendelsen av en idé fra kalkulus til klokkekurve. Et verktøy i kalkulus kjent som derivatet brukes til å svare på følgende spørsmål. Hvor er bøyningspunktene på grafen for sannsynlighetstetthetsfunksjonen for det normale fordeling?

Kurver har en rekke funksjoner som kan klassifiseres og kategoriseres. Et element knyttet til kurver som vi kan vurdere er om grafen til en funksjon øker eller synker. En annen funksjon gjelder noe som kalles konkavitet. Dette kan grovt sett tenkes som retningen som en del av kurven vender mot. Mer formelig konkavitet er retningen på krumningen.

En del av en kurve sies å være konkav hvis den er formet som bokstaven U. En del av en kurve er konkav ned hvis den er formet som følgende ∩. Det er lett å huske hvordan dette ser ut hvis vi tenker på en hule som åpnes enten oppover for konkave opp eller nedover for konkav ned. Et bøyningspunkt er der en kurve endrer konkaviteten. Det er med andre ord et punkt der en kurve går fra konkav opp til konkav ned, eller omvendt.

instagram viewer

I beregning er derivatet et verktøy som brukes på en rekke måter. Mens den mest kjente bruken av derivatet er å bestemme helningen til en linjetangens til en kurve på et gitt punkt, er det andre anvendelser. En av disse applikasjonene har å gjøre med å finne bøyningspunkter i grafen til en funksjon.

Hvis grafen til y = f (x) har et bøyepunkt kl x = a, deretter det andre derivatet av f evaluert kl en er null. Vi skriver dette i matematisk notasjon som f '' (a) = 0. Hvis det andre derivatet av en funksjon er null på et punkt, innebærer dette ikke automatisk at vi har funnet et bøyningspunkt. Vi kan imidlertid se etter potensielle bøyningspunkter ved å se hvor det andre derivatet er null. Vi vil bruke denne metoden for å bestemme plasseringen av bøyningspunktene for normalfordelingen.

Fra dette er det lett å se at bøyningspunktene oppstår der x = μ ± σ. Med andre ord er bøyningspunktene plassert ett standardavvik over gjennomsnittet og ett standardavvik under gjennomsnittet.

instagram story viewer