In matematica, distribuzione normale è un argomento interessante in statistica e teoria della probabilità. E 'chiamata anche come una distribuzione gaussiana. Essa è definita come il processo di due parametri come media e la deviazione standard. Media in una distribuzione normale può essere generalmente rappresentato da una curva a campana a picco. Di seguito sono riportati alcuni problemi di esempio e soluzioni a valore normale distributions.The di variabili casuali possono essere distribuiti rispetto a qualche legge di probabilità definita che potrebbe essere mostrato matematicamente e la distribuzione di probabilità successiva è nota come distribuzione teorica. In questo articolo possiamo studiare la distribuzione normale, che figura più significativa nella teoria statistica e in applicazione. distribuzione normale è anche conosciuta come la probabilità distribution.Normal intervallo di confidenza distribuzione normale è per una singola popolazione non identificato significare μ in cui è riconosciuta la deviazione standard della popolazione. Qui, il Boundary (margine) di errore è noto come il rimbalzo di errore (bound) per una media della popolazione (EBM abbreviato). Il margine di errore dipende dal livello di confidenza (CL abbreviato). Intervallo di confidenza si risponde utilizzando i valori per esempio, la media del campione e i problemi e le soluzioni di distribuzione deviation.Normal standard - Definizione di distribuzione normale: un continuo variabile aleatoria X è una distribuzione normale con i parametri media e la varianza quindi la funzione di probabilità possono essere asf scritta (x) = 1 /(sigma (2pi)) e ^ (- 1/2 ((x - mu) /sigma) ^ 2) -oo inferiore x inferiore oo, -oo meno μ meno oo , σ maggiore di 0.When σ2 = 1, μ = 0 è chiamato come problemi standard di distribuzione normal.Normal e soluzioni - formule: Z = (X - mu) /sigma X meno di μ = 0,5 - ZX maggiore di μ = 0,5 + ZX = μ = 0.5where, μ = meanσ = standard deviationX = normale variableNormal casuale problemi di distribuzione e soluzioni - problemi esempio: Esempio 1: Se X è una variabile casuale normale con media e deviazione standard calcolare la probabilità di P (Xless than50) . Quando media μ = 41 e deviazione standard = 6.5Solution: GivenMean μ = 41Standard deviazione σ = 6.5Using il Formulaz = (X - mu) /valore sigmaGiven per X = 50Z = (50 - 41) /6.5= 9 /6,5 = 1,38 Z = 1.38Using tabella Z, si determina il valore Z = 1.38Z = 1.38 = 0.4162If X è maggiore di μ, allora usiamo questa FormulaX maggiore di μ = 0,5 + Z50 superiore a 41 = 0,5 + 0.4162P (X) = 0.5 + 0,4162 = 0.9162Example 2: Se X è una variabile casuale normale con media e deviazione standard calcolare la probabilità di P (Xless di 37). Quando media μ = 20 e deviazione standard = 15Solution: GivenMean μ = 20Standard deviazione σ = 15Using il Formulaz = (X - mu) /valore sigmaGiven per X = 37Z = (37 - 20) /15 = 17/15 = 1.13Z = 1.13Using tabella Z, si determina il valore Z = 1.13Z = 1.13 = 0.4332If X è maggiore di μ, allora usiamo questa FormulaX maggiore di μ = 0,5 + Z37 superiore a 20 = 0,5 + 0.3708P (X) = 0.5 + 0,3708 = 0,8708