Diskreetne jaotus on statistiliste andmete jaotus, millel on diskreetsed väärtused. Diskreetsed väärtused on loendatavad, piiratud, mittenegatiivsed täisarvud, näiteks 1, 10, 15 jne.
Diskreetsete jaotuste mõistmine
Kaks jaotustüüpi on:
- Diskreetsed jaotused
- Pidevad jaotused
Diskreetne jaotus, nagu varem mainitud, on väärtuste jaotus, mis on loendatavad täisarvud. Teisalt sisaldab pidev jaotus väärtusi lõpmatu kümnendkohaga. Pideva jaotuse väärtuse näide oleks „pi”. Pi on lõpmatute kümnendkohtadega arv (3,14159…).
Mõlemad jaotused on seotud tõenäosusjaotustega, mis on statistilise analüüsi ja tõenäosusteooria aluseks.
Tõenäosusjaotus on statistiline funktsioon, mida kasutatakse juhusliku muutuja kõigi võimalike väärtuste ja tõenäosuste kuvamiseks Juhuslik muutuja Juhuslik muutuja (stohhastiline muutuja) on statistika muutuja tüüp, mille võimalikud väärtused sõltuvad teatud juhusliku nähtuse tulemustest kindlas vahemikus. Vahemik oleks seotud maksimaalse ja minimaalse väärtusega, kuid tegelik väärtus sõltuks paljudest teguritest. On olemas kirjeldav statistika, mida kasutatakse selleks, et selgitada, kuhu oodatav väärtus võib välja jõuda. Mõned neist on:
- Keskmine (keskmine)
- Keskmine
- Režiim
- Standardhälve Standardhälve Statistika seisukohalt on andmekogumi standardhälve mõõdetud sisalduvate vaatluste väärtuste vaheliste kõrvalekallete suuruse mõõt
- Viltusus
- Kurtoos
Diskreetsed jaotused tekivad ka Monte Carlo simulatsioonides. Monte Carlo simulatsioon Monte Carlo simulatsioon Monte Carlo simulatsioon on statistiline meetod, mida kasutatakse probleemi erinevate tulemuste tõenäosuse modelleerimisel, mida juhusliku muutuja sekkumise tõttu ei saa lihtsalt lahendada. on statistilise modelleerimise meetod, mis tuvastab väga paljude simulatsioonide abil erinevate tulemuste tõenäosuse. Monte Carlo simulatsioonide põhjal annavad diskreetsete väärtustega tulemused analüüsiks diskreetse jaotuse.
Diskreetse jaotuse näide
Diskreetsete tõenäosusjaotuste tüübid hõlmavad järgmist:
- Poisson
- Bernoulli
- Binomiaalne
- Multinomiaalne
Mõelge näiteks, kus loendate poodi iga tunni jooksul sisse astuvate inimeste arvu. Väärtused peaksid olema loendatavad, piiratud, mitte-negatiivsed täisarvud. Poleks võimalik, et poes käiks 0,5 inimest ja negatiivse koguse inimesi ei saaks poodi astuda. Seetõttu oleks väärtuste jaotus, kui neid kujutatakse jaotusplaanil, diskreetne.
Jälgides ülaltoodud kogutud andmepunktide diskreetset jaotust, näeme, et oli viis tundi, kus poodi astus üks kuni viis inimest. Lisaks oli kümme tundi, kus poodi astus viis kuni üheksa inimest ja nii edasi.
Ülaltoodud tõenäosusjaotus annab visuaalse ülevaate tõenäosusest, et teatud arv inimesi astub poodi igal konkreetsel tunnil. Kvantitatiivne analüüs ilma kvantitatiivset analüüsi tegemata Kvantitatiivne analüüs on mõõdetavate ja kontrollitavate andmete, nagu tulud, turuosa ja palgad, kogumine ja hindamine ettevõtte käitumise ja tulemuslikkuse mõistmiseks. Andmetehnoloogia ajastul peetakse kvantitatiivset analüüsi eelistatud lähenemiseks teadlike otsuste langetamisel. , võime täheldada, et on suur tõenäosus, et igal tunnil astub poodi 9–17 inimest.
Pideva levitamise näide
Pidevaid tõenäosusjaotusi iseloomustab võimalike väärtuste lõpmatu ja loendamatu ulatus. Pidevate juhuslike muutujate tõenäosused määratletakse tõenäosustiheduse funktsiooni kõvera all oleva alaga.
Tõenäosustiheduse funktsioon (PDF) on tõenäosus, et pidev juhuslik muutuja võtab konkreetse väärtuse, valimiteabe põhjal järeldades ja PDF-i all oleva ala mõõtes. Kuigi juhusliku muutuja absoluutne tõenäosus konkreetse väärtuse saamiseks on 0 (kuna võimalikke väärtusi on lõpmatu), kasutatakse juhusliku muutuja tõenäosuse järeldamiseks kahe erineva valimi PDF-faili.
Mõelge näitele, kus soovite arvutada teatud populatsiooni pikkuse jaotuse. Võite koguda proovi ja mõõta nende kõrgust. Täpset kõrgust ei jõua te aga ühegi mõõdetud isiku puhul.
Kõrguste jaotuse arvutamiseks võite mõista, et tõenäosus, et üksikisik on täpselt 180 cm, on null. See tähendab, et tõenäosus mõõta lõpmatu täpsusega täpselt 180 cm kõrgust isendit on null. Siiski saab mõõta tõenäosust, et indiviidi kõrgus on suurem kui 180 cm.
Lisaks saate arvutada tõenäosuse, et üksikisiku kõrgus on alla 180 cm. Seetõttu võite tuletatud tõenäosuste abil arvutada vahemiku väärtuse, näiteks vahemikus 179,9 cm kuni 180,1 cm.
Pidevat jaotust jälgides on selge, et keskmine on 170 cm; kasutatav väärtuste vahemik on aga lõpmatu. Seetõttu vajaks mis tahes juhusliku muutuja tõenäosuse mõõtmine kahe vahemiku vahelise järelduse tegemist, nagu eespool näidatud.
Rohkem ressursse
Finance pakub sertifitseeritud pangandus- ja krediidianalüütiku (CBCA) ™ CBCA ™ sertifikaati. Sertifitseeritud pangandus- ja krediidianalüütiku (CBCA) ™ akrediteerimine on krediidianalüütikute globaalne standard, mis hõlmab finants-, raamatupidamis-, krediidianalüüsi, rahavoogude analüüsi, pakti modelleerimist, laenu tagasimaksed ja palju muud. sertifitseerimisprogramm neile, kes soovivad oma karjääri järgmisele tasemele viia. Oma teadmistebaasi õppimise ja arendamise jätkamiseks uurige palun allpool olevaid täiendavaid asjakohaseid ressursse:
- Keskpiiriteoreem Keskpiiriteoreem Keskpiiriteoreem ütleb, et juhusliku suuruse valimi keskmine eeldab peaaegu normaal- või normaaljaotust, kui valimi suurus on suur
- Poissoni jaotus Poissoni jaotus Poissoni jaotus on tööriist, mida kasutatakse tõenäosusteooria statistikas, et ennustada variatsiooni suurust teadaoleva keskmise esinemissageduse järgi
- Kumulatiivne sagedusjaotus Kumulatiivne sagedusjaotus Kumulatiivne sagedusjaotus on sagedusjaotuse vorm, mis tähistab klassi ja kõigi sellest madalamate klasside summat. Pidage seda sagedust meeles
- Kaalutud keskmine Kaalutud keskmine Kaalutud keskmine on teatud tüüpi keskmine, mis arvutatakse korrutades konkreetse sündmuse või tulemusega seotud kaal (või tõenäosus) selle
