💸 Как сделать бизнес проще, а карман толще?

Тот, кто работает в сфере услуг, знает — без ведения записи клиентов никуда. Мало того, что нужно видеть свое раписание, но и напоминать клиентам о визитах тоже. Проблема в том, что средняя цена по рынку за такой сервис — 800 руб/мес или почти 15 000 руб за год. И это минимальный функционал. Нашли самый бюджетный и оптимальный вариант: сервис VisitTime.
⚡️ Для новых пользователей первый месяц бесплатно. А далее 290 руб/мес, это в 3 раза дешевле аналогов. За эту цену доступен весь функционал: напоминание о визитах, чаевые, предоплаты, общение с клиентами, переносы записей и так далее.
✅ Уйма гибких настроек, которые помогут вам зарабатывать больше и забыть про чувство «что-то мне нужно было сделать».
Сомневаетесь? нажмите на текст, запустите чат-бота и убедитесь во всем сами!

Розподіл Стьюдента

Нехай Х₁, Х₂,..., Х_і,..., Х_н– результати прямих незалежних спостережень деякої постійної невипадкової величини а. Ці результати є реалізаціями випадкової величини Х, підпорядкованої нормальному розподілу з дисперсією D_x.

Як результат виміру приймається середнє арифметичне

, (2.4.8)

яке є оцінкою величини а. Оцінка , через обмежену кількість спостережень (n< ¥), є величиною випадковою з дисперсією, яка дорівнює:

. (2.4.9)

Оцінка середнього квадратичного відхилення дорівнює:

. (2.4.10)

Випадкова величина Т, що визначається виразом

, (2.4.11)

буде підпорядкована закону розподілу Стьюдента з к=n-1 ступенем вільності. Щільність розподілу ймовірності цього закону визначається виразом:

, (2.4.12)

де - гама-функція. (2.4.13)

Щільність розподілу Стьюдента залежить від обсягу вибірки (числа спостережень). Криві розподілу для різних значень к=n-1 наведені на рис.2

Рис.2

Математичне очікування, дисперсія і середнє квадратичне відхилення розподілу Стьюдента відповідно дорівнюють:

M[Т]=mt=0 (K> 1)

D[T]=Dt= (K> 2) (2.4.14)

(К> 2).

Із збільшенням К (практично при n ³ 30) розподіл Стьюдента асимптотично наближається до нормального розподілу з параметрами m_t=0, σ _t=1.

Розподіл Стьюдента широко застосовується при визначенні довірчих меж похибки вимірювань (у тих самих випадках, що й нормальний розподіл) при малій кількості вимірювань.