Apakah Pembahagian Diskrit?

Sebaran diskrit adalah sebaran data dalam statistik yang mempunyai nilai diskrit. Nilai diskrit adalah bilangan bulat, terhingga, bukan negatif, seperti 1, 10, 15, dll.

Pembahagian diskrit

Memahami Pembahagian Diskrit

Dua jenis pengedaran adalah:

  1. Pembahagian diskrit
  2. Pengedaran berterusan

Sebaran diskrit, seperti yang disebutkan sebelumnya, adalah sebaran nilai yang dapat dihitung nombor bulat. Sebaliknya, pembahagian berterusan merangkumi nilai dengan tempat perpuluhan yang tidak terbatas. Contoh nilai pada pengedaran berterusan ialah "pi." Pi adalah nombor dengan tempat perpuluhan yang tidak terbatas (3.14159…).

Kedua-dua taburan berkaitan dengan taburan kebarangkalian, yang merupakan asas analisis statistik dan teori kebarangkalian.

Taburan kebarangkalian adalah fungsi statistik yang digunakan untuk menunjukkan semua nilai dan kemungkinan pemboleh ubah rawak Pemboleh ubah rawak Pemboleh ubah rawak (pemboleh ubah stokastik) adalah jenis pemboleh ubah dalam statistik yang nilainya mungkin bergantung pada hasil fenomena rawak tertentu dalam julat tertentu. Julatnya akan dibatasi oleh nilai maksimum dan minimum, tetapi nilai sebenarnya bergantung pada banyak faktor. Terdapat statistik deskriptif yang digunakan untuk menjelaskan di mana nilai yang diharapkan dapat berakhir. Sebilangannya adalah:

  • Purata (purata)
  • Median
  • Mod
  • Sisihan piawai Sisihan piawai Dari sudut statistik, sisihan piawai satu set data adalah ukuran besarnya penyimpangan antara nilai-nilai pemerhatian yang terkandung
  • Skewness
  • Kurtosis

Pembahagian diskrit juga timbul dalam simulasi Monte Carlo. Simulasi Monte Carlo Simulasi Monte Carlo Simulasi Monte Carlo adalah kaedah statistik yang diterapkan dalam memodelkan kebarangkalian hasil yang berbeza dalam masalah yang tidak dapat diselesaikan secara sederhana, kerana gangguan pemboleh ubah rawak. adalah kaedah pemodelan statistik yang mengenal pasti kebarangkalian hasil yang berbeza dengan menjalankan banyak simulasi. Dari simulasi Monte Carlo, hasil dengan nilai diskrit akan menghasilkan taburan diskrit untuk analisis.

Contoh Pembahagian diskrit

Jenis taburan kebarangkalian diskrit merangkumi:

  • Poisson
  • Bernoulli
  • Binomial
  • Multinomial

Pertimbangkan satu contoh di mana anda mengira jumlah orang yang masuk ke sebuah kedai pada waktu tertentu. Nilai mesti dihitung, bilangan bulat, dan bukan bulat negatif. Tidak mungkin untuk membuat 0.5 orang masuk ke sebuah kedai, dan tidak mungkin ada orang yang negatif masuk ke sebuah kedai. Oleh itu, pembahagian nilai, apabila ditunjukkan pada plot pengedaran, akan menjadi diskrit.

Pembahagian diskrit - Contoh

Dengan melihat pengedaran diskrit titik data yang dikumpulkan di atas, kita dapat melihat bahawa terdapat lima jam di mana antara satu hingga lima orang berjalan masuk ke kedai. Di samping itu, terdapat sepuluh jam di mana antara lima hingga sembilan orang masuk ke kedai dan seterusnya.

Taburan kebarangkalian di atas memberikan gambaran visual mengenai kebarangkalian sejumlah orang akan masuk ke dalam kedai pada waktu tertentu. Tanpa melakukan analisis kuantitatif Analisis Kuantitatif Analisis kuantitatif adalah proses mengumpulkan dan menilai data yang dapat diukur dan dapat disahkan seperti pendapatan, bahagian pasaran, dan upah untuk memahami tingkah laku dan prestasi perniagaan. Pada era teknologi data, analisis kuantitatif dianggap sebagai pendekatan pilihan untuk membuat keputusan yang tepat. , kita dapat melihat bahawa ada kemungkinan besar bahawa antara 9 dan 17 orang akan memasuki kedai pada waktu tertentu.

Contoh Pembahagian Berterusan

Taburan kebarangkalian berterusan dicirikan dengan mempunyai pelbagai nilai yang tidak terbatas dan tidak terhitung. Kebarangkalian pemboleh ubah rawak berterusan ditentukan oleh kawasan di bawah lengkung fungsi ketumpatan kebarangkalian.

Fungsi ketumpatan kebarangkalian (PDF) adalah kemungkinan pemboleh ubah rawak berterusan mengambil nilai tertentu dengan menyimpulkan dari sampel maklumat dan mengukur kawasan di bawah PDF. Walaupun kemungkinan mutlak pemboleh ubah rawak mengambil nilai tertentu adalah 0 (kerana terdapat nilai yang mungkin tidak terbatas), PDF pada dua sampel yang berbeza digunakan untuk menyimpulkan kemungkinan pemboleh ubah rawak.

Pertimbangkan contoh di mana anda ingin mengira taburan ketinggian populasi tertentu. Anda boleh mengumpulkan sampel dan mengukur ketinggiannya. Walau bagaimanapun, anda tidak akan mencapai ketinggian yang tepat bagi mana-mana individu yang diukur.

Untuk mengira pengagihan ketinggian, anda dapat mengetahui bahawa kebarangkalian seseorang berada tepat 180cm adalah sifar. Maksudnya, kebarangkalian mengukur seseorang individu dengan ketinggian tepat 180cm dengan ketepatan tak terhingga adalah sifar. Walau bagaimanapun, kebarangkalian seseorang individu mempunyai ketinggian lebih besar daripada 180cm dapat diukur.

Di samping itu, anda boleh mengira kebarangkalian seseorang mempunyai ketinggian yang lebih rendah daripada 180cm. Oleh itu, anda boleh menggunakan kebarangkalian yang disimpulkan untuk mengira nilai untuk julat, katakan antara 179.9cm dan 180.1cm.

Pembahagian Berterusan

Dengan memerhatikan pembahagian berterusan, jelas bahawa minnya ialah 170cm; namun, julat nilai yang dapat diambil tidak terbatas. Oleh itu, mengukur kemungkinan pemboleh ubah rawak yang diberikan memerlukan mengambil kesimpulan antara dua julat, seperti yang ditunjukkan di atas.

Lebih Banyak Sumber

Kewangan menawarkan perakuan Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ The Certified Banking & Credit Analyst (CBCA) ™ akreditasi adalah standard global untuk penganalisis kredit yang merangkumi kewangan, perakaunan, analisis kredit, analisis aliran tunai, pemodelan perjanjian, pinjaman pembayaran balik, dan lain-lain. program pensijilan bagi mereka yang ingin mengambil kerjaya ke peringkat seterusnya. Untuk terus belajar dan mengembangkan asas pengetahuan anda, sila terokai sumber tambahan yang berkaitan di bawah:

  • Teorema Batas Tengah Teorema Batas Tengah Teorema had tengah menyatakan bahawa min sampel bagi pemboleh ubah rawak akan menganggap taburan hampir normal atau normal jika ukuran sampel besar
  • Distribusi Poisson Distribusi Poisson Distribusi Poisson adalah alat yang digunakan dalam statistik teori kebarangkalian untuk meramalkan jumlah variasi dari kadar purata kejadian yang diketahui, dalam
  • Taburan Frekuensi Kumulatif Taburan Frekuensi Kumulatif Taburan frekuensi kumulatif adalah satu bentuk taburan frekuensi yang mewakili jumlah kelas dan semua kelas di bawahnya. Ingat kekerapan itu
  • Berat Berat Berat Rata-rata Berat adalah jenis rerata yang dikira dengan mengalikan berat (atau kebarangkalian) yang berkaitan dengan peristiwa atau hasil tertentu dengan

Disyorkan

Adakah Crackstreams telah ditutup?
2022
Adakah pusat arahan MC selamat?
2022
Adakah Taliesin meninggalkan peranan kritikal?
2022