\( \newcommand{\br}[1]{\left( #1\right)} \newcommand{\logpar}[1]{\log\left( #1\right)} \newcommand{\cospar}[1]{\cos\left( #1\right)} \newcommand{\sinpar}[1]{\sin\left( #1\right)} \newcommand{\tanpar}[1]{\tan\left( #1\right)} \newcommand{\arcsinpar}[1]{\sin^{-1}\!\left( #1\right)} \newcommand{\arccospar}[1]{\cos^{-1}\!\left( #1\right)} \newcommand{\arctanpar}[1]{\tan^{-1}\!\left( #1\right)} \newcommand{\asin}[1]{\sin^{-1}\! #1} \newcommand{\acos}[1]{\cos^{-1}\! #1} \newcommand{\atan}[1]{\tan^{-1}\! #1} \newcommand{\asinh}[1]{\sinh^{-1}\! #1} \newcommand{\acosh}[1]{\cosh^{-1}\! #1} \newcommand{\atanh}[1]{\tanh^{-1}\! #1} \newcommand{\logten}[1]{\log_{10}\! #1} \definecolor{explaination}{RGB}{0, 166, 226} \newcommand{\ubrace}[2][u]{ { \color{explaination}{\underbrace{ {\color{black}{#2}} }_{#1}} } } \newcommand{\obrace}[2][u]{ { \color{explaination}{\overbrace{ {\color{black}{#2}} }^{#1}} } } \definecolor{highlight}{RGB}{181, 41, 118} \newcommand{\xplain}[1]{{ \textcolor{explaination} { \footnotesize{ #1 \newline}}}} \newcommand{\hilite}[1]{{ \textcolor{highlight} { { #1 }}}} \definecolor{lightergray}{gray}{.675} \newcommand{\hide}[1]{{ \textcolor{lightergray} { \footnotesize{ #1 \newline}}}} \newcommand{\mth}[1]{ { \textcolor{black} { { \small #1 } } } } \)

Übung: Kumulative z-Werte

randRange(0, 9) randRange(0, 9) roundTo(2, randRange(0, 2) + ROW_INDEX / 10 + COL_INDEX / 100) randRange(70, 90) randRange(2, 6) localeToFixed(GRADE - ZSCORE * STDDEV, 2) (function() { var rowNames = []; for(var i = floorTo(0, ZSCORE); i < (floorTo(0, ZSCORE) + 1); i += 0.1) { rowNames.push(localeToFixed(i, 1)); } return rowNames; })() [0.00, 0.01, .02, .03, .04, .05, .06, .07, .08, .09] (function() { var zGrid = []; for (var i = 0; i < ROWS.length; i++) { var zRow = []; for (var j = 0; j < COLUMNS.length; j++) { zRow.push(zScores(roundTo(2, (floorTo(0, ZSCORE) + i / 10 + j / 100) * 100))); } zGrid.push(zRow); } return zGrid; })() ZGRID[ROW_INDEX][COL_INDEX] "z"
Die Testergebnisse eines landesweiten Tests waren normalverteilt mit \mu = MEAN und \sigma = STDDEV.
person(1) bekam GRADE in dem Test.

Wie viel Prozent der Testergebnisse waren schlechter als die von person(1)? Benutze die Tabelle mit kumulativen z-Werten unten.

HEADERlocaleToFixed(column, 2).substr(1)
rowlocaleToFixed(zgrid, 4)
roundTo(4, ANSWER)

Die Tabelle zeigt die kumulative z-Werte, daher die Verteilungsfunktion der Standardnormalverteilung. Die Werte in der Tabelle geben die Wahrscheinlichkeit dafür an, dass eine Variable geringer ist als ein bestimmter Wert (z).

Um die Tabelle der Verteilungsfunktion der Standardnormalverteilung benutzen zu können, müssen wir erst den z-Wert von person( 1 )'s Testergebnisse bestimmen.

Der z-Wert wird berechnet, indem wir den Erwartungswert \pink{(\mu)} von dem Testergebnisse abziehen und diesen Wert durch die Standardabweichung \green{(\sigma)} teilen.

\large{\quad z \quad = \quad \dfrac{x - \pink{\mu}}{\green{\sigma}} \quad = \quad \dfrac{GRADE - \pink{MEAN}}{\green{STDDEV}} \quad = \quad localeToFixed(ZSCORE, 2)}

Schlagen wir localeToFixed(ZSCORE, 2) in der Tabelle der Verteilungsfunktion der Standardnormalverteilung nach. Wir erhalten \purple{localeToFixed(ANSWER, 4)}. Dieser Wert repräsentiert den Teil der Bevölkerung der weniger als GRADE erzielte.

var nth = ":nth-child(" + (COL_INDEX + 2) + ")"; $(".fake_row").eq(ROW_INDEX).find("span").css("background", ORANGE); $(".fake_row span" + nth).css("background", ORANGE); $(".fake_header span" + nth).css("background", ORANGE); $(".fake_row").eq(ROW_INDEX).find("span" + nth).css("background", PURPLE); $(".fake_row").eq(ROW_INDEX).find("span" + nth).css("color", "white"); //$(".fake_row").eq(ROW_INDEX).find("span" + nth).css("font-weight", "bold");

person( 1 ) hat ein höheres Testergebnis als \purple{localeToFixed(ANSWER * 100, 2)\%} derjenigen, welche den Test mitgeschrieben haben.