جواب سوال متن صفحه 159 درس 7 ریاضی یازدهم تجربی (آمار و احتمال)
تعداد بازدید : 78.83Mپاسخ سوال متن صفحه 159 ریاضی یازدهم تجربی
-گام به گام سوال متن صفحه 159 درس آمار و احتمال
-سوال متن صفحه 159 درس 7
-شما در حال مشاهده جواب سوال متن صفحه 159 ریاضی یازدهم تجربی هستید. ما در تیم مای درس، پاسخنامههای کاملاً تشریحی و استاندارد را مطابق با آخرین تغییرات کتاب درسی 1404 برای شما گردآوری کردهایم. اگر به دنبال بهروزترین پاسخها برای این صفحه هستید و میخواهید بدون نیاز به اتصال به اینترنت، علاوه بر پاسخهای گام به گام، به گنجینهای از مطالب درسی دسترسی پیدا کنید، حتماً اپلیکیشن مایدرس را نصب نمایید.
اگر هر یک از داده های آماری با مقدار ثابتی جمع شود، واریانس آنها تغییر نخواهد کرد. چرا؟
زیرا میانگین هم به همان مقدار اضافه می شود، در نتیجه اختلاف از میانگین تغییر نمی کند.
\(\begin{array}{l}\sigma _{x + a}^2 = \frac{\begin{array}{l}{\left( {\left( {{x_1} + a} \right) - \left( {\bar x + a} \right)} \right)^2} + \\{\left( {\left( {{x_2} + a} \right) - \left( {\bar x + a} \right)} \right)^2} + \\ \cdots + \\{\left( {\left( {{x_N} + a} \right) - \left( {\bar x + a} \right)} \right)^2}\end{array}}{N} = \\\\\frac{\begin{array}{l}{\left( {{x_1} - \bar x} \right)^2} + {\left( {{x_2} - \bar x} \right)^2} + \\ \cdots + {\left( {{x_N} - \bar x} \right)^2}\end{array}}{N} = {\sigma ^2}\end{array}\)
اگر هر یک از داده های آماری در مقدار ثابتی ضرب شود، واریانس آنها در مجذور همان مقدار ثابت ضرب خواهد شد. چرا؟
چون میانگین در همان عدد ضرب می شود، پس اختلاف از میانگین ها هم در همان عدد ضرب می شود و همچنین که اختلاف از میانگین ها به توان 2 می رسد، این عدد هم به توان 2 می رسد؛ در نتیجه واریانس هم در توان 2 این عدد ضرب می شود.
\(\begin{array}{l}\sigma _{ax}^2 = \frac{{\left( \begin{array}{l}{\left( {a{x_1} - a\bar x} \right)^2} + \\{\left( {a{x_2} - a\bar x} \right)^2} + \\ \cdots + \\{\left( {a{x_N} - a\bar x} \right)^2}\end{array} \right)}}{N} = \\\\\frac{{\left( \begin{array}{l}{a^2}{\left( {{x_1} - \bar x} \right)^2} + \\{a^2}{\left( {{x_2} - \bar x} \right)^2} + \\ \cdots + \\{a^2}{\left( {{x_N} - \bar x} \right)^2}\end{array} \right)}}{N} = \\\\ = \frac{{{a^2}\left( \begin{array}{l}{\left( {{x_1} - \bar x} \right)^2} + \\{\left( {{x_2} - \bar x} \right)^2} + \\ \cdots + \\{\left( {{x_N} - \bar x} \right)^2}\end{array} \right)}}{N} = {a^2} \cdot {\sigma ^2}\end{array}\)
مای درس ، برترین اپلیکیشن کمک درسی ایران
پوشش تمام محتواهای درسی پایه چهارم تا دوازدهم- آزمون آنلاین تمامی دروس
- گام به گام تمامی دروس
- ویدئو های آموزشی تمامی دروس
- گنجینه ای از جزوات و نمونه سوالات تمامی دروس
- فلش کارت های آماده دروس
- گنجینه ای جامع از انشاء های آماده
- آموزش جامع آرایه های ادبی، دستور زبان، قواعد زبان انگلیسی و ... ویژه





