احتمال دریافت 381 - 2499 در یک آزمایش تصادفی خاص چیست؟

در دنیای آزمایش های تصادفی ، احتمال یک مفهوم جذاب است که به ما کمک می کند تا احتمال نتایج خاص را درک کنیم. من به عنوان یک تأمین کننده که با محصولات در محدوده 381 - 2499 سروکار دارد ، من اغلب خودم را در مورد احتمال دریافت مقادیر در این محدوده خاص در یک آزمایش تصادفی مرتبط فکر می کنم.

بیایید ابتدا بفهمیم یک آزمایش تصادفی چیست. یک آزمایش تصادفی فرایندی است که منجر به نتایج خوب و تعریف شده می شود ، به نام نتایج. به عنوان مثال ، نورد درگذشت یک آزمایش تصادفی است که در آن نتایج احتمالی 1 ، 2 ، 3 ، 4 ، 5 و 6 است. برای محاسبه احتمال یک رویداد در یک آزمایش تصادفی ، ما از فرمول استفاده می کنیم: (p (a) = \ frac {n (a)} {n (s)}) ، جایی که (p (a)) در مورد (p (a)) وجود دارد. (n (s)) تعداد عناصر موجود در فضای (های) نمونه است.

وقتی صحبت از دامنه ما 381 - 2499 می شود ، محاسبه احتمال به ماهیت آزمایش تصادفی بستگی دارد. فرض کنید ما با توزیع یکنواخت اعداد صحیح از 1 تا 3000 سر و کار داریم. فضای (های) نمونه دارای عناصر (n (s) = 3000) است. رویداد (الف) دریافت شماره در محدوده 381 - 2499 دارای عناصر (n (a) = 2499 - 381+ 1 = 2119) است. با استفاده از فرمول احتمال ، احتمال (p (a) = \ frac {2119} {3000} \ تقریبی 0.7063).

با این حال ، در سناریوهای واقعی جهان ، توزیع ممکن است یکنواخت نباشد. به عنوان مثال ، اگر ما به دنبال توزیع عادی مقادیر مربوط به مقدار تولید محصولات خود هستیم. بیایید فرض کنیم که میانگین (\ mu) مقدار تولید 1500 و انحراف استاندارد (\ sigma) 300 است. ما می توانیم از توزیع عادی استاندارد (z = \ frac {x- \ mu} {\ sigma}) استفاده کنیم تا احتمال را محاسبه کنیم.

برای (x = 381) ، (z_1 = \ frac {381 - 1500} {300} = \ frac {-1119} {300} \ تقریبی - 3.73). برای (x = 2499) ، (z_2 = \ frac {2499 - 1500} {300} = \ frac {999} {300} = 3.33). با استفاده از یک جدول عادی استاندارد یا یک نرم افزار آماری ، می توانیم احتمال (P (381 <x <2499) = \ phi (z_2)-\ phi (z_1)) را پیدا کنیم ، که در آن (\ phi (z)) عملکرد توزیع تجمعی توزیع عادی استاندارد است. به دنبال مقادیر در جدول عادی استاندارد ، (\ phi (3.33) \ تقریبی 0.9996) و (\ phi (-3.73) \ تقریبی 0.0001). بنابراین ، (P (381 <x <2499) = 0.9996 - 0.0001 = 0.9995).

به عنوان یک تأمین کننده در محدوده 381 - 2499 ، این محاسبات احتمال فقط تمرینات نظری نیستند. آنها پیامدهای عملی برای تجارت ما دارند. به عنوان مثال ، اگر احتمال تقاضا را در این محدوده بدانیم ، می توانیم موجودی خود را بهتر مدیریت کنیم. اگر احتمال زیاد باشد ، می توانیم اطمینان حاصل کنیم که سهام کافی برای تأمین تقاضای بالقوه داریم.

اکنون ، بگذارید برخی از محصولات با کیفیت بالا را که ارائه می دهیم معرفی کنم. ما داریم3975641 واشر پوشش دریچه برای کامینزبشر این واشر پوشش دریچه ای به گونه ای طراحی شده است که موتورهای کامینز کاملاً مناسب باشد ، یک مهر و موم مطمئن و جلوگیری از نشت روغن را فراهم می کند. این ماده از مواد با کیفیت بالا ساخته شده است که می تواند در برابر شرایط سخت کار موتور مقاومت کند.

محصول عالی دیگر198 - 2713 مهار برای Caterpillar C7 324d 325Dبشر این مهار به طور خاص برای موتورهای کاترپیلار مهندسی شده است و از اتصالات الکتریکی مناسب و عملکرد صاف اطمینان حاصل می کند. ساخته شده است تا آخرین ، با عایق بادوام و اتصالات خوب - طراحی شده.

ما همچنین پیشنهاد می کنیم230 - 6279 سیم کشی برای بیل مکانیکی کاترپیلاربشر این مهار سیم کشی یک مؤلفه اساسی برای بیل های کاترپیلار است که توزیع برق الکتریکی قابل اعتماد و انتقال سیگنال را فراهم می کند. برای رعایت بالاترین استانداردهای کیفیت و عملکرد ، به شدت آزمایش شده است.

اگر در محدوده 381 - 2499 ، خواه برای اجزای موتور یا سایر موارد مرتبط ، در بازار محصولات قرار دارید ، ما در اینجا هستیم تا به شما خدمت کنیم. محصولات ما به دلیل کیفیت ، قابلیت اطمینان و قیمت گذاری رقابتی شناخته شده اند. ما تیمی از متخصصان داریم که می توانند اطلاعات دقیق محصول و پشتیبانی فنی را در اختیار شما قرار دهند.

ما می دانیم که هر مشتری نیازهای منحصر به فردی دارد و ما متعهد هستیم بهترین راه حل ها را برای شما پیدا کنیم. این که آیا شما به یک کار تعمیر یا یک سفارش بزرگ برای یک پروژه ساختمانی نیاز به مقدار کمی دارید ، می توانیم نیازهای شما را تأمین کنیم.

اگر به محصولات ما علاقه دارید یا سؤالی دارید ، ما شما را تشویق می کنیم تا برای بحث تهیه به ما مراجعه کنید. ما مشتاق هستیم تا با شما مکالمه کنیم و به شما در یافتن محصولات مناسب برای تجارت خود کمک کنیم.

منابع

• راس ، SM (2014). دوره اول در احتمال. پیرسون
• Devore ، JL (2015). احتمال و آمار مهندسی و علوم. یادگیری Cengage.