This media is not supported in your browser
VIEW IN TELEGRAM
راهنمای حضور در کلاس در سامانه آموزش مجازی ویژه دانشجویان.
@gu_stat
@gu_stat
Forwarded from "دانشگاه گلستان"
کانال آموزش مجازی دانشگاه گلستان
این کانال جهت اطلاع رسانی و ارایه دستورالعمل ها و راهنماهای آموزش مجازی دانشگاه گلستان می باشد.
https://t.me/GUVES
این کانال جهت اطلاع رسانی و ارایه دستورالعمل ها و راهنماهای آموزش مجازی دانشگاه گلستان می باشد.
https://t.me/GUVES
Telegram
کانال آموزش مجازی دانشگاه گلستان
این کانال جهت اطلاع رسانی و ارایه دستورالعمل ها و راهنماهای آموزش مجازی دانشگاه گلستان می باشد.
مشاهده راهنماها و دستورالعمل ها در:
ves.gu.ac.ir
مشاهده راهنماها و دستورالعمل ها در:
ves.gu.ac.ir
🗒 فهرست قابل جستجوی کلیه کلاسها و لینک ورود به کلاس در آدرس
http://sp.gu.ac.ir/list.htm
در دسترس است. لطفا همانند گذشته بصورت منظم در کلاسها حضور داشته باشید.
با تشکر و آرزوی سلامتی
👇👇👇
@gu_stat
http://sp.gu.ac.ir/list.htm
در دسترس است. لطفا همانند گذشته بصورت منظم در کلاسها حضور داشته باشید.
با تشکر و آرزوی سلامتی
👇👇👇
@gu_stat
#توجه
✅ براي استفاده بهتر از كلاسهای مجازی دوستانی که از لپ تاپ استفاده مینمایید حتما adobe.connect
را نصب كرده و فلش پلير خود را آپديت نمایید.
✅ در ضمن ميكروفن خود را چك كرده تا امکان برقرای ارتباط كلامي فراهم گردد.
✅ اگر فقط از browser اينترنت استفاده شود سرعت كار پايين ميايد و دانشجويان نميتوانند به موقع سر كلاس حضور داشته باشند.
✅ همچنين اگر نتوانستيد با آيدي خودتان وارد كلاسها شويد میتوانید از آيدی مهمان استفاده كنيد.
✅ قبل از شروع كلاس سيستم خود را چك كنيد تا كلاس بازده کافی را داشته باشد.
✅ ضمنا تمام نرم افزار های مورد نیاز در وبسايت ves.gu.ac.ir قابل دسترسی میباشند.
با تشکر
👇👇👇
@gu_stat
✅ براي استفاده بهتر از كلاسهای مجازی دوستانی که از لپ تاپ استفاده مینمایید حتما adobe.connect
را نصب كرده و فلش پلير خود را آپديت نمایید.
✅ در ضمن ميكروفن خود را چك كرده تا امکان برقرای ارتباط كلامي فراهم گردد.
✅ اگر فقط از browser اينترنت استفاده شود سرعت كار پايين ميايد و دانشجويان نميتوانند به موقع سر كلاس حضور داشته باشند.
✅ همچنين اگر نتوانستيد با آيدي خودتان وارد كلاسها شويد میتوانید از آيدی مهمان استفاده كنيد.
✅ قبل از شروع كلاس سيستم خود را چك كنيد تا كلاس بازده کافی را داشته باشد.
✅ ضمنا تمام نرم افزار های مورد نیاز در وبسايت ves.gu.ac.ir قابل دسترسی میباشند.
با تشکر
👇👇👇
@gu_stat
انجمن علمی آمار دانشگاه گلستان pinned «#توجه ✅ براي استفاده بهتر از كلاسهای مجازی دوستانی که از لپ تاپ استفاده مینمایید حتما adobe.connect را نصب كرده و فلش پلير خود را آپديت نمایید. ✅ در ضمن ميكروفن خود را چك كرده تا امکان برقرای ارتباط كلامي فراهم گردد. ✅ اگر فقط از browser اينترنت استفاده…»
〽️توزیع نرمال〽️
در نظریه آمار و احتمال، توزیع نرمال یکی از مهمترین توزیعهای آماری است. البته به این توزیع گاهی #توزیع_گاوسی یا توزیع #گاوس_لاپلاس گفته میشود.
قواعد حاکم بر بیشتر پدیدههای تصادفی در زندگی از توزیع نرمال پیروی میکنند و از طرف دیگر طبق #قضیه_حد_مرکزی میتوان توزیع تقریبی پدیدههای دیگر را نیز نرمال تصور کرد. به همین علت کاربرد این توزیع در همه زمینهها از #جامعه_شناسی تا #پزشکی و #مهندسی گسترده است.
در سال 1809، #کارل_گووس، فیزیکدان، ریاضیدان و دانشمند آلمانی، به بررسی پدیدههایی پرداخت که تابع احتمال آنها به صورت #زنگی_شکل بود. او در دستنوشتهاش با عنوان #نظریه_حرکت_اجرام_آسمانی در بخشهای مخروطی خورشید به بررسی میزان خطا، #روش_کمترین_مربعات ، #بیشینه_درستنمایی و #توزیع_نرمال پرداخت.
♦️نکته: در این توزیع، #میانگین، #میانه و #نما با یکدیگر برابرند.
شاید سادهترین حالت برای تعیین پارامترهای توزیع نرمال، انتخاب #صفر برای میانگین و #یک برای واریانس باشد. به چنین توزیعی #نرمال_استاندارد گفته میشود.
@gu_stat
در نظریه آمار و احتمال، توزیع نرمال یکی از مهمترین توزیعهای آماری است. البته به این توزیع گاهی #توزیع_گاوسی یا توزیع #گاوس_لاپلاس گفته میشود.
قواعد حاکم بر بیشتر پدیدههای تصادفی در زندگی از توزیع نرمال پیروی میکنند و از طرف دیگر طبق #قضیه_حد_مرکزی میتوان توزیع تقریبی پدیدههای دیگر را نیز نرمال تصور کرد. به همین علت کاربرد این توزیع در همه زمینهها از #جامعه_شناسی تا #پزشکی و #مهندسی گسترده است.
در سال 1809، #کارل_گووس، فیزیکدان، ریاضیدان و دانشمند آلمانی، به بررسی پدیدههایی پرداخت که تابع احتمال آنها به صورت #زنگی_شکل بود. او در دستنوشتهاش با عنوان #نظریه_حرکت_اجرام_آسمانی در بخشهای مخروطی خورشید به بررسی میزان خطا، #روش_کمترین_مربعات ، #بیشینه_درستنمایی و #توزیع_نرمال پرداخت.
♦️نکته: در این توزیع، #میانگین، #میانه و #نما با یکدیگر برابرند.
شاید سادهترین حالت برای تعیین پارامترهای توزیع نرمال، انتخاب #صفر برای میانگین و #یک برای واریانس باشد. به چنین توزیعی #نرمال_استاندارد گفته میشود.
@gu_stat
#انتخاب_رشته_کارشناسی_ارشد
#آمار_بیمه
#بخش_2
🔻«آمار بیمه» در حوزههای مختلف بخصوص در «بیمه عمر» (Life Insurance)، «حق بازنشستگی» (Pensions) و «بیمه درمانی» (HealthCare) به کار گرفته میشود.
🔻از آنجایی که شاخهای از آمار به نام «قابلیت اعتماد» (Reliability) نیز به بررسی پدیدههایی که به زمان و طول عمر وابسته هستند میپردازد، استفاده از آن در آمار بیمه بسیار مهم و موثر است. برای مثال محاسبه میانگین طول عمر باقیمانده، برای شرکتهای بیمه که میخواهند مبلغ بازنشستگی را تعیین کنند حیاتی است. به این ترتیب میتوانی «امیدریاضی» (Expected Value) طول عمر پدیدهها را مشخص کرد و براساس آن برای تعیین حق بیمه برنامهریزی و محاسبات مالی انجام داد.
🔻از طرفی حضور شرکتهای بیمه در طرحهایی که توسط روشهای آماری مانند «آزمون فرض» (Statistical Hypothesis)، موثر بودن آنها در میزان طول عمر یا سلامت جامعه اثبات شده است یکی دیگر از جنبههای به کارگیری تکنیکهای آماری در آمار بیمه محسوب میشود. از سایر تکنیکهای آماری که در تشخیص عوامل موثر بسیار مورد توجه قرار دارد «تحلیل واریانس» (ANOVA) است. به این ترتیب شرکتهای بیمه میتوانند با سرمایهگذاری در این طرحهای آماری و استفاده از نتایج آنها، مثلا میزان سطح سلامت جامعه را افزایش دهند تا به پرداخت غرامت کمتر از حق بیمه دریافتی، به سود بیشتری برسند.
🔻از طرفی با توجه به نرخ رخداد پدیدههای نادر مانند سیل، زلزله، آتشفشان که به شکل تصادفی رخ میدهند، نرخ بیمهنامههای حوادث نیز تعیین میشود. در اینجا هم با توجه به تصادفی بودن این پیشامدها، استفاده از تحلیلهای آماری دور از انتظار نیست. تحلیلهای آمار فضایی و زمانی در تعیین زمان و تعداد این پدیدههای نادر موثر بوده و به این ترتیب شرکتهای بیمه با این پیشبینیها میتوانند برنامهریزی موثرتری داشته باشند.
🔻بسیاری از نظریههای آمار بیمه پیش از تئوری محاسبات مالی مدرن بوجود آمده بودند. ولی در اوایل قرن بیستم، آمار بیمه به عنوان یک تکنیک علمی در بیمه، معرفی و به کار گرفته شد. مفاهیم ارزیابی ریسکپذیری، «مارتینگلها» (Martingale) در بازار بورس و ... از کاربردهای علم آمار در علوم مالی محسوب شده که بخصوص در زمینه آمار بیمه به کار گرفته میشوند.
🔻امروزه در هر دو بخش حرفهای-شغلی و هم در بخش آموزشی و موارد درسی، از مدلهای تصادفی (مانند فرآیندهای تصادفی)، روشهای رگرسیونی، مدلها و توابع زیان و توابع توزیع دادههای تصادفی و تئوری محاسبات مالی استفاده میشود. از طرفی ضریب همبستگی و مفهوم کاپولا در تشخیص روابط بین متغیرهای دخیل در یک مدل یکی از کاربردهای مهم روشهای آماری در علم بیمه بخصوص آمار بیمه محسوب میشود.
🔻برآورد جمعیت و جدولهای طول عمر معمولا براساس سرشماری در طی دورههای مختلف، انجام میپذیرد. برای پیشبینی حق بیمه (مثلا بیمه عمر) احتیاج به برآورد مناسب جمعیت در ردههای سنی مختلف داریم که براساس هرم سنی بتوانم سنین مختلف و تعداد افرادی که آماده بازنشستگی یا آمادگی شروع به کار را دارند مشخص کنیم. این کار به واسطه مدلهای سریزمانی امکانپذیر است. در نتیجه یک مختصص آمار بیمه باید یک مختصص مدلسازی سریزمانی نیز باشد.
#مقاله
منبع
@gu_stat
#آمار_بیمه
#بخش_2
🔻«آمار بیمه» در حوزههای مختلف بخصوص در «بیمه عمر» (Life Insurance)، «حق بازنشستگی» (Pensions) و «بیمه درمانی» (HealthCare) به کار گرفته میشود.
🔻از آنجایی که شاخهای از آمار به نام «قابلیت اعتماد» (Reliability) نیز به بررسی پدیدههایی که به زمان و طول عمر وابسته هستند میپردازد، استفاده از آن در آمار بیمه بسیار مهم و موثر است. برای مثال محاسبه میانگین طول عمر باقیمانده، برای شرکتهای بیمه که میخواهند مبلغ بازنشستگی را تعیین کنند حیاتی است. به این ترتیب میتوانی «امیدریاضی» (Expected Value) طول عمر پدیدهها را مشخص کرد و براساس آن برای تعیین حق بیمه برنامهریزی و محاسبات مالی انجام داد.
🔻از طرفی حضور شرکتهای بیمه در طرحهایی که توسط روشهای آماری مانند «آزمون فرض» (Statistical Hypothesis)، موثر بودن آنها در میزان طول عمر یا سلامت جامعه اثبات شده است یکی دیگر از جنبههای به کارگیری تکنیکهای آماری در آمار بیمه محسوب میشود. از سایر تکنیکهای آماری که در تشخیص عوامل موثر بسیار مورد توجه قرار دارد «تحلیل واریانس» (ANOVA) است. به این ترتیب شرکتهای بیمه میتوانند با سرمایهگذاری در این طرحهای آماری و استفاده از نتایج آنها، مثلا میزان سطح سلامت جامعه را افزایش دهند تا به پرداخت غرامت کمتر از حق بیمه دریافتی، به سود بیشتری برسند.
🔻از طرفی با توجه به نرخ رخداد پدیدههای نادر مانند سیل، زلزله، آتشفشان که به شکل تصادفی رخ میدهند، نرخ بیمهنامههای حوادث نیز تعیین میشود. در اینجا هم با توجه به تصادفی بودن این پیشامدها، استفاده از تحلیلهای آماری دور از انتظار نیست. تحلیلهای آمار فضایی و زمانی در تعیین زمان و تعداد این پدیدههای نادر موثر بوده و به این ترتیب شرکتهای بیمه با این پیشبینیها میتوانند برنامهریزی موثرتری داشته باشند.
🔻بسیاری از نظریههای آمار بیمه پیش از تئوری محاسبات مالی مدرن بوجود آمده بودند. ولی در اوایل قرن بیستم، آمار بیمه به عنوان یک تکنیک علمی در بیمه، معرفی و به کار گرفته شد. مفاهیم ارزیابی ریسکپذیری، «مارتینگلها» (Martingale) در بازار بورس و ... از کاربردهای علم آمار در علوم مالی محسوب شده که بخصوص در زمینه آمار بیمه به کار گرفته میشوند.
🔻امروزه در هر دو بخش حرفهای-شغلی و هم در بخش آموزشی و موارد درسی، از مدلهای تصادفی (مانند فرآیندهای تصادفی)، روشهای رگرسیونی، مدلها و توابع زیان و توابع توزیع دادههای تصادفی و تئوری محاسبات مالی استفاده میشود. از طرفی ضریب همبستگی و مفهوم کاپولا در تشخیص روابط بین متغیرهای دخیل در یک مدل یکی از کاربردهای مهم روشهای آماری در علم بیمه بخصوص آمار بیمه محسوب میشود.
🔻برآورد جمعیت و جدولهای طول عمر معمولا براساس سرشماری در طی دورههای مختلف، انجام میپذیرد. برای پیشبینی حق بیمه (مثلا بیمه عمر) احتیاج به برآورد مناسب جمعیت در ردههای سنی مختلف داریم که براساس هرم سنی بتوانم سنین مختلف و تعداد افرادی که آماده بازنشستگی یا آمادگی شروع به کار را دارند مشخص کنیم. این کار به واسطه مدلهای سریزمانی امکانپذیر است. در نتیجه یک مختصص آمار بیمه باید یک مختصص مدلسازی سریزمانی نیز باشد.
#مقاله
منبع
@gu_stat
میزان رضایت شما از کلاس های آموزش مجازی در هفته ای که گذشت به چه اندازه است؟
Anonymous Poll
7%
خیلی زیاد
6%
زیاد
20%
متوسط
19%
کم
48%
خیلی کم
برای تمامی توزیع های آماری می توان با اضافه کردن d، p، q وr به قبل اسم توزیع، چگالی، احتمال، چندک و تولید داده ی تصادفی برای توزیع مد نظر را بدست آورد.
@gu_stat
@gu_stat
ولادت باسعادت منجی عالم بشریت، #حضرت_مهدی عجل الله تعالی فرجه را به همه عاشقان و منتظرانش تبریک میگوییم.
#اللهم_عجل_لولیڪ_الفرج❤️
👇👇👇
@gu_stat
#اللهم_عجل_لولیڪ_الفرج❤️
👇👇👇
@gu_stat
💡 بیانیه اتحادیه دانشجویی آمار ایران درخصوص نحوه انتشار دادههای مرتبط به شیوع کووید-۱۹
اتحادیه انجمنهای علمی دانشجویی آمار ضمن عرض خستهنباشید و تقدیر از جامعه پزشکی و کادر درمانی بابت زحمات آنان در مقابله با دنیاگیری کووید-۱۹، نکاتی چند را لازم میداند که اعلام نماید.
طبق اعلام سخنگوی محترم وزارت بهداشت، اعلام آمار تفکیکشده درگذشتگان، بهبودیافتگان و یافتههای جدید ابتلا به بیماری کووید-۱۹ در استانها از روز دوشنبه ۴ فروردین متوقف شد. تصمیم توقف انتشار دادهها ابتدا به ساکن از سه منظر، واجد ایراد است. نخست این که در دسترس نبودن آمارهای رسمی، باعث ایجاد نگرانی، ترویج شایعات و انتشار آمارهایی شد که صحتسنجی آنها مقدور نیست. دومین ایراد، دشوار شدن تحلیل روند پیشرفت شیوع و افتوخیزهای آن توسط متخصصان بود و سرانجام عدم اعلام بخشی از آمارهایی که مورد توجه عموم جامعه و متخصصان است، با ماده ۲ "قانون انتشار و دسترسی آزاد به اطلاعات" و ماده ۲۴ "منشور حقوق شهروندی" درخصوص دسترسی همگانی به آمار و اطلاعات متناسب نیست.
از جمله دلایلی که سخنگوی محترم برای تصمیم فوقالذکر برشمردند، حفظ روحیه استانها، ادامه تلاش آنها برای بیماریابی و نیز کاهش دقت دادهها بهسبب انجام سفرهای بروناستانی در ایام تعطیل بود. در این که شرایط مبهم فعلی، تأثیر مثبتی بر حفظ روحیه دارد یا نه، لازم است که کارشناسان آن حوزه اظهارنظر کنند اما درخصوص تأثیر عوامل بیرونی بر روی دادهها، بدیهی است که تمام دادههای منتشرشده از سوی وزارت بهداشت، دادههای خام است. تحلیل دقیق دادهها و تبیین متغیرهای تأثیرگذار در افزایش یا کاهش تعداد مبتلایان کشفشده در سطح استانی یا کشوری، نیازمند ورود آمارشناسان و متخصصان علم دادهها است. از سوی دیگر، بیاطلاعی جامعه از دادههای شیوع بیماری در استانها طی ۱۴ روز گذشته در شرایطی سپری شد که طرح فاصلهگذاری هوشمند در این روزها در حال اجرا بود و با توجه به حداکثر روزهای پنهان بودن علایم بیماری که توسط مسئولان وزارت بهداشت اعلام شدهاست، قاعدتاً نگرانی بابت سرازیر شدن سیل سفرها به استانهای با شیوع کمتر، منتفی است.
از آن جایی که دقت بالا در برآوردهای علمی از الگوی رفتاری شیوع بیماری، هم به اتخاذ تصمیمهای بهینه در موقفهای سیاستگذاری و رسانهای یاری رسانده و هم موجب ترسیم چهرهای شفافتر از رفتار آینده بیماری برای عموم مردم شده و خواهد شد، ضمن قدردانی از حُسن نیت وزارت بهداشت در اعلام دادههای مذکور تا روز ۴ فروردین، اتحادیه دانشجویی آمار ایران ضمن درخواست تداوم انتشار دادههای تفکیکی استانها، درخواست میکند که انتشار دادههای موردنیاز آمارشناسان، همهگیرشناسان، جمعیتشناسان و سایر تخصصهای مرتبط در دستورکار وزارت بهداشت قرار بگیرد تا این کارشناسان نیز با ابزارهای لازم به ایفای مسئولیت اجتماعی بپردازند.
در پایان، ضمن آرزوی غلبه هرچه سریعتر بر این بیماری، از همه کارشناسان در حوزههای مختلف علمی خواهشمندیم که برای ایفای مسئولیت اجتماعی، احساس تکلیف کرده و از دانش خود برای کاهش آلام جامعه بهره بگیرند.
📌 اتحادیه انجمنهای علمی دانشجویی آمار
👇👇👇
@gu_stat
اتحادیه انجمنهای علمی دانشجویی آمار ضمن عرض خستهنباشید و تقدیر از جامعه پزشکی و کادر درمانی بابت زحمات آنان در مقابله با دنیاگیری کووید-۱۹، نکاتی چند را لازم میداند که اعلام نماید.
طبق اعلام سخنگوی محترم وزارت بهداشت، اعلام آمار تفکیکشده درگذشتگان، بهبودیافتگان و یافتههای جدید ابتلا به بیماری کووید-۱۹ در استانها از روز دوشنبه ۴ فروردین متوقف شد. تصمیم توقف انتشار دادهها ابتدا به ساکن از سه منظر، واجد ایراد است. نخست این که در دسترس نبودن آمارهای رسمی، باعث ایجاد نگرانی، ترویج شایعات و انتشار آمارهایی شد که صحتسنجی آنها مقدور نیست. دومین ایراد، دشوار شدن تحلیل روند پیشرفت شیوع و افتوخیزهای آن توسط متخصصان بود و سرانجام عدم اعلام بخشی از آمارهایی که مورد توجه عموم جامعه و متخصصان است، با ماده ۲ "قانون انتشار و دسترسی آزاد به اطلاعات" و ماده ۲۴ "منشور حقوق شهروندی" درخصوص دسترسی همگانی به آمار و اطلاعات متناسب نیست.
از جمله دلایلی که سخنگوی محترم برای تصمیم فوقالذکر برشمردند، حفظ روحیه استانها، ادامه تلاش آنها برای بیماریابی و نیز کاهش دقت دادهها بهسبب انجام سفرهای بروناستانی در ایام تعطیل بود. در این که شرایط مبهم فعلی، تأثیر مثبتی بر حفظ روحیه دارد یا نه، لازم است که کارشناسان آن حوزه اظهارنظر کنند اما درخصوص تأثیر عوامل بیرونی بر روی دادهها، بدیهی است که تمام دادههای منتشرشده از سوی وزارت بهداشت، دادههای خام است. تحلیل دقیق دادهها و تبیین متغیرهای تأثیرگذار در افزایش یا کاهش تعداد مبتلایان کشفشده در سطح استانی یا کشوری، نیازمند ورود آمارشناسان و متخصصان علم دادهها است. از سوی دیگر، بیاطلاعی جامعه از دادههای شیوع بیماری در استانها طی ۱۴ روز گذشته در شرایطی سپری شد که طرح فاصلهگذاری هوشمند در این روزها در حال اجرا بود و با توجه به حداکثر روزهای پنهان بودن علایم بیماری که توسط مسئولان وزارت بهداشت اعلام شدهاست، قاعدتاً نگرانی بابت سرازیر شدن سیل سفرها به استانهای با شیوع کمتر، منتفی است.
از آن جایی که دقت بالا در برآوردهای علمی از الگوی رفتاری شیوع بیماری، هم به اتخاذ تصمیمهای بهینه در موقفهای سیاستگذاری و رسانهای یاری رسانده و هم موجب ترسیم چهرهای شفافتر از رفتار آینده بیماری برای عموم مردم شده و خواهد شد، ضمن قدردانی از حُسن نیت وزارت بهداشت در اعلام دادههای مذکور تا روز ۴ فروردین، اتحادیه دانشجویی آمار ایران ضمن درخواست تداوم انتشار دادههای تفکیکی استانها، درخواست میکند که انتشار دادههای موردنیاز آمارشناسان، همهگیرشناسان، جمعیتشناسان و سایر تخصصهای مرتبط در دستورکار وزارت بهداشت قرار بگیرد تا این کارشناسان نیز با ابزارهای لازم به ایفای مسئولیت اجتماعی بپردازند.
در پایان، ضمن آرزوی غلبه هرچه سریعتر بر این بیماری، از همه کارشناسان در حوزههای مختلف علمی خواهشمندیم که برای ایفای مسئولیت اجتماعی، احساس تکلیف کرده و از دانش خود برای کاهش آلام جامعه بهره بگیرند.
📌 اتحادیه انجمنهای علمی دانشجویی آمار
👇👇👇
@gu_stat
〽️ توزیع گاما〽️
در آمار و تئوری احتمالات، توزیع گاماجزء توابع توزیع دو پارامتری بوده و از اهمیت خاصی برخوردار است. برای مثال #تابع_توزیع_نمایی و #کای_۲ حالت خاصی از توزیع گاما محسوب میشوند.
این تابع توزیع را میتوان با #پارامترهای_شکل و #معکوس_مقیاس نشان داد. در این حالت #α را پارامتر شکل و #β را معکوس-مقیاس مینامند.
♦️تابع توزیع گاما در بحث #استنباط_بیزی میتواند به عنوان #مزدوج_پیشین برای بسیاری از توزیعها از جمله #پواسن، #نمایی، #نرمال (با معلوم بودن میانگین) و حتی خود توزیع گاما با معلوم بودن #پارامتر_شکل به کار رود.
🛩مثال: تصور کنید در یک فرودگاه نشستهاید و فرود آمدنِ هواپیماها را تماشا میکنید،حالا اگر بخواهیم بدانیم که با چه احتمالی n هواپیما در این ۲۰ دقیقه به زمین فرود خواهند آمد، بایستی به سراغ توزیع گامابرویم. در واقع توزیع گاما نسبت به توزیع نمایی، همان حالتی را دارد که توزیع دوجملهای نسبت به توزیع برنولی.
♦️نکته: اگر #آلفا برابر #یک باشد، توزیع گاما همان #توزیع_نمایی میشود. در واقع توزیع گامایی که فقط یک بار تکرار شود، همان توزیع نمایی است.
@gu_stat
در آمار و تئوری احتمالات، توزیع گاماجزء توابع توزیع دو پارامتری بوده و از اهمیت خاصی برخوردار است. برای مثال #تابع_توزیع_نمایی و #کای_۲ حالت خاصی از توزیع گاما محسوب میشوند.
این تابع توزیع را میتوان با #پارامترهای_شکل و #معکوس_مقیاس نشان داد. در این حالت #α را پارامتر شکل و #β را معکوس-مقیاس مینامند.
♦️تابع توزیع گاما در بحث #استنباط_بیزی میتواند به عنوان #مزدوج_پیشین برای بسیاری از توزیعها از جمله #پواسن، #نمایی، #نرمال (با معلوم بودن میانگین) و حتی خود توزیع گاما با معلوم بودن #پارامتر_شکل به کار رود.
🛩مثال: تصور کنید در یک فرودگاه نشستهاید و فرود آمدنِ هواپیماها را تماشا میکنید،حالا اگر بخواهیم بدانیم که با چه احتمالی n هواپیما در این ۲۰ دقیقه به زمین فرود خواهند آمد، بایستی به سراغ توزیع گامابرویم. در واقع توزیع گاما نسبت به توزیع نمایی، همان حالتی را دارد که توزیع دوجملهای نسبت به توزیع برنولی.
♦️نکته: اگر #آلفا برابر #یک باشد، توزیع گاما همان #توزیع_نمایی میشود. در واقع توزیع گامایی که فقط یک بار تکرار شود، همان توزیع نمایی است.
@gu_stat