Belirli bir rastgele deneyde 381 - 2499 alma olasılığı nedir?

Rastgele deneyler dünyasında, olasılık belirli sonuçların olasılığını anlamamıza yardımcı olan büyüleyici bir kavramdır. 381 - 2499 aralığında ürünlerle ilgilenen bir tedarikçi olarak, kendimi genellikle ilgili rastgele bir deneyde bu özel aralıkta değer alma olasılığını düşünürken buluyorum.

Önce rastgele bir deneyin ne olduğunu anlayalım. Rastgele bir deney, sonuçlar olarak adlandırılan iyi tanımlanmış sonuçlara yol açan bir süreçtir. Örneğin, bir kalıbı yuvarlamak, olası sonuçların 1, 2, 3, 4, 5 ve 6 olduğu rastgele bir deneydir. Rastgele bir deneyde bir olayın olasılığını hesaplamak için: (p (a) {n (s) {n (s)}}}), burada (p (n (a)) olay (p (n (a)) olay (p (n)) olasıdır (P (n)) olay (p (n)) olasıdır (sayı (n (n (n)) olay (p (n)) olasıdır (sayı (n (n)) olay (p (n)) olasıdır (sayı (ümit), olay (sayı (a)) olasılığıdır. (n (s)), numune uzaylarındaki eleman sayısıdır.

381 - 2499 aralığımız söz konusu olduğunda, olasılık hesaplaması rastgele deneyin doğasına bağlıdır. Diyelim ki 1'den 3000'e kadar tamsayıların tek tip dağılımı ile uğraştığımızı varsayalım. Örnek alan (lar) (n (s) = 3000) elemanlara sahiptir. 381 - 2499 aralığında bir sayı almanın (a) olayı (n (a) = 2499 - 381+ 1 = 2119) öğeleri vardır. Olasılık formülünü kullanarak olasılık (p (a) = \ frac {2119} {3000} \ yaklaşık0.7063).

Bununla birlikte, gerçek dünya senaryolarında, dağılım tek tip olmayabilir. Örneğin, ürünlerimizin üretim miktarı ile ilgili normal değer dağılımına bakarsak. Üretim miktarının ortalamasının (\ mu) 1500 olduğunu ve standart sapmanın (\ sigma) 300 olduğunu varsayalım. Olasılığı hesaplamak için standart normal dağılımı (z = \ frac {x- \ mu} {\ sigma}) kullanabiliriz.

(X = 381), (z_1 = \ frac {381 - 1500} {300} = \ frac {-1119} {300} \ yaklaşık - 3.73). (X = 2499), (z_2 = \ frac {2499 - 1500} {300} = \ frac {999} {300} = 3.33). Standart bir normal tablo veya istatistiksel bir yazılım kullanarak, (p (381 <x <2499) = \ phi (z_2)-\ phi (z_1)) olasılığını bulabiliriz, burada (\ phi (z)) standart normal dağılımın kümülatif dağılım fonksiyonudur. Standart normal tablodaki değerlere bakarak, (\ Phi (3.33) \ yaklaşık0.9996) ve (\ phi (-3.73) \ yaklaşık0.0001). Yani, (P (381 <x <2499) = 0.9996 - 0.0001 = 0.9995).

381 - 2499 aralığında bir tedarikçi olarak, bu olasılık hesaplamaları sadece teorik egzersizler değildir. İşlerimiz için pratik sonuçları var. Örneğin, bu aralıkta düşme olasılığını bilirsek, envanterimizi daha iyi yönetebiliriz. Olasılık yüksekse, potansiyel talebi karşılamak için yeterli stokumuza sahip olduğumuzdan emin olabiliriz.

Şimdi, sunduğumuz yüksek kaliteli ürünleri tanıtayım. Bizim3975641 Cummins için Valf Kapak Contası. Bu valf kapağı contası, güvenilir bir conta sağlayarak ve yağ sızıntılarını önleyerek Cummins motorlarına mükemmel uyacak şekilde tasarlanmıştır. Motor çalışmasının sert koşullarına dayanabilen yüksek kaliteli malzemelerden yapılmıştır.

Başka bir harika ürün198 - 2713 Caterpillar C7 324D 325D için Kablo Dışı. Bu kablo demeti özellikle tırtıl motorları için tasarlanmıştır, uygun elektrik bağlantıları ve düzgün çalışma sağlar. Dayanıklı yalıtım ve iyi tasarlanmış konektörlerle dayanacak şekilde inşa edilmiştir.

Ayrıca sunuyoruz230 - 6279 Tırtıl ekskavatörü için kablo demeti. Bu kablo demeti, güvenilir elektrik güç dağılımı ve sinyal iletimi sağlayan tırtıl ekskavatörleri için önemli bir bileşendir. En yüksek kalite ve performans standartlarını karşılamak için titizlikle test edilmiştir.

Motor bileşenleri veya diğer ilgili ürünler için olsun, 381 - 2499 aralığındaki ürünler için pazardaysanız, size hizmet etmek için buradayız. Ürünlerimiz kalitesi, güvenilirliği ve rekabetçi fiyatlandırmaları ile bilinir. Size ayrıntılı ürün bilgileri ve teknik destek sağlayabilecek bir uzman ekibimiz var.

Her müşterinin benzersiz gereksinimleri olduğunu ve sizin için en iyi çözümleri bulmaya kararlıyız. Bir onarım işi için küçük bir miktara veya bir inşaat projesi için büyük bir siparişe ihtiyacınız olsun, ihtiyaçlarınızı karşılayabiliriz.

Ürünlerimizle ilgileniyorsanız veya herhangi bir sorunuz varsa, bir tedarik tartışması için bize ulaşmanızı öneririz. Sizinle bir konuşma yapmaya ve işletmeniz için doğru ürünleri bulmanıza yardımcı olmaya hevesliyiz.

Referanslar

• Ross, SM (2014). Olasılıkta ilk ders. Pearson.
• Devore, JL (2015). Mühendislik ve Bilimler için Olasılık ve İstatistik. Cengage Öğrenme.