积极 AI Logo 积极 AI

正态分布均值假设检验

正态分布均值假设检验
几何画板及绘图内容加载中，请稍等……
2014-02-25 19:00
函数微积分概率统计滑块动画函数图像
所属专题 Statistics 2
①本范例演示了正态分布下均值假设检验的过程与结果可视化；②涉及核心数学概念包括假设检验、正态分布、p值计算、标准正态分布转换；③作图要点提炼自构造摘要，使用了If条件判断、RandomNormal生成随机样本、Take获取样本、mean计算样本均值、stdevp计算样本标准差、Normal生成正态分布曲线、InverseNormal计算标准正态分布分位数、Integral计算累积概率、Segment绘制图形等命令与对象；④适合高中及以上数学学习者，用于理解统计推断的基本方法与步骤。

GeoGebra 命令及参数

  1. If(b ≟ 2, μ - Random[0, 3], If[b ≟ 1, μ + Random[0, 3], μ + Random[-3, 3]]) → μ_1
  2. RandomNormal(μ_1, σ) → A100
  3. RandomNormal(μ_1, σ) → A1
  4. RandomNormal(μ_1, σ) → A99
  5. RandomNormal(μ_1, σ) → A98
  6. RandomNormal(μ_1, σ) → A97
  7. RandomNormal(μ_1, σ) → A96
  8. RandomNormal(μ_1, σ) → A95
  9. RandomNormal(μ_1, σ) → A94
  10. RandomNormal(μ_1, σ) → A93
  11. RandomNormal(μ_1, σ) → A92
  12. RandomNormal(μ_1, σ) → A91
  13. RandomNormal(μ_1, σ) → A90
  14. RandomNormal(μ_1, σ) → A89
  15. RandomNormal(μ_1, σ) → A88
  16. RandomNormal(μ_1, σ) → A87
  17. RandomNormal(μ_1, σ) → A86
  18. RandomNormal(μ_1, σ) → A85
  19. RandomNormal(μ_1, σ) → A84
  20. RandomNormal(μ_1, σ) → A83
  21. RandomNormal(μ_1, σ) → A82
  22. RandomNormal(μ_1, σ) → A81
  23. RandomNormal(μ_1, σ) → A80
  24. RandomNormal(μ_1, σ) → A79
  25. RandomNormal(μ_1, σ) → A78
  26. RandomNormal(μ_1, σ) → A77
  27. RandomNormal(μ_1, σ) → A76
  28. RandomNormal(μ_1, σ) → A75
  29. RandomNormal(μ_1, σ) → A74
  30. RandomNormal(μ_1, σ) → A73
  31. RandomNormal(μ_1, σ) → A72
  32. RandomNormal(μ_1, σ) → A71
  33. RandomNormal(μ_1, σ) → A70
  34. RandomNormal(μ_1, σ) → A69
  35. RandomNormal(μ_1, σ) → A68
  36. RandomNormal(μ_1, σ) → A67
  37. RandomNormal(μ_1, σ) → A66
  38. RandomNormal(μ_1, σ) → A65
  39. RandomNormal(μ_1, σ) → A64
  40. RandomNormal(μ_1, σ) → A63
  41. RandomNormal(μ_1, σ) → A62
  42. RandomNormal(μ_1, σ) → A61
  43. RandomNormal(μ_1, σ) → A60
  44. RandomNormal(μ_1, σ) → A59
  45. RandomNormal(μ_1, σ) → A58
  46. RandomNormal(μ_1, σ) → A57
  47. RandomNormal(μ_1, σ) → A56
  48. RandomNormal(μ_1, σ) → A55
  49. RandomNormal(μ_1, σ) → A54
  50. RandomNormal(μ_1, σ) → A53
  51. RandomNormal(μ_1, σ) → A52
  52. RandomNormal(μ_1, σ) → A51
  53. RandomNormal(μ_1, σ) → A50
  54. RandomNormal(μ_1, σ) → A49
  55. RandomNormal(μ_1, σ) → A48
  56. RandomNormal(μ_1, σ) → A47
  57. RandomNormal(μ_1, σ) → A46
  58. RandomNormal(μ_1, σ) → A45
  59. RandomNormal(μ_1, σ) → A44
  60. RandomNormal(μ_1, σ) → A43
  61. RandomNormal(μ_1, σ) → A42
  62. RandomNormal(μ_1, σ) → A41
  63. RandomNormal(μ_1, σ) → A40
  64. RandomNormal(μ_1, σ) → A39
  65. RandomNormal(μ_1, σ) → A38
  66. RandomNormal(μ_1, σ) → A37
  67. RandomNormal(μ_1, σ) → A36
  68. RandomNormal(μ_1, σ) → A35
  69. RandomNormal(μ_1, σ) → A34
  70. RandomNormal(μ_1, σ) → A33
  71. RandomNormal(μ_1, σ) → A32
  72. RandomNormal(μ_1, σ) → A31
  73. RandomNormal(μ_1, σ) → A30
  74. RandomNormal(μ_1, σ) → A29
  75. RandomNormal(μ_1, σ) → A28
  76. RandomNormal(μ_1, σ) → A27
  77. RandomNormal(μ_1, σ) → A26
  78. RandomNormal(μ_1, σ) → A25
  79. RandomNormal(μ_1, σ) → A24
  80. RandomNormal(μ_1, σ) → A23
  81. RandomNormal(μ_1, σ) → A22
  82. RandomNormal(μ_1, σ) → A21
  83. RandomNormal(μ_1, σ) → A20
  84. RandomNormal(μ_1, σ) → A19
  85. RandomNormal(μ_1, σ) → A18
  86. RandomNormal(μ_1, σ) → A17
  87. RandomNormal(μ_1, σ) → A16
  88. RandomNormal(μ_1, σ) → A15
  89. RandomNormal(μ_1, σ) → A14
  90. RandomNormal(μ_1, σ) → A13
  91. RandomNormal(μ_1, σ) → A12
  92. RandomNormal(μ_1, σ) → A11
  93. RandomNormal(μ_1, σ) → A10
  94. RandomNormal(μ_1, σ) → A9
  95. RandomNormal(μ_1, σ) → A8
  96. RandomNormal(μ_1, σ) → A7
  97. RandomNormal(μ_1, σ) → A6
  98. RandomNormal(μ_1, σ) → A5
  99. RandomNormal(μ_1, σ) → A4
  100. RandomNormal(μ_1, σ) → A3
  101. RandomNormal(μ_1, σ) → A2
  102. Take(L, 1, n) → L_1
  103. mean(L_1) → m
  104. stdevp(L_1) → s
  105. Normal(μ, σ, m) → x_1
  106. InverseNormal(0, 1, significance / 100) → l
  107. Integral(f, -100, l) → a
  108. InverseNormal(0, 1, significance / 200) → l_1
  109. Integral(f, -100, l_1) → d
  110. Segment(A, B) → j
  111. InverseNormal(0, 1, 1 - significance / 100) → l_2
  112. Integral(f, l_2, 100) → c
  113. InverseNormal(0, 1, 1 - significance / 200) → l_3
  114. Integral(f, l_3, 100) → g
  115. If(b ≟ 2, l, If[b ≟ 1, l_2, If[m > 0, l_3, l_1]]) → v
  116. If(b ≟ 2, If[z < v, 1, 0], If[b ≟ 1, If[z > v, 1, 0], If[abs(z) > abs(v), 1, 0]]) → r

AI 绘图提示语参考

画一个正态分布的假设检验图，包含一个滑动条控制均值，根据滑动条值生成不同位置的样本点，并显示样本点的分布和均值线，展示标准正态变换和P值计算的过程。
以上提示语为根据原始绘图命令整理而来，仅供参考。