Vad är diskret distribution?

En diskret distribution är en distribution av data i statistik som har diskreta värden. Diskreta värden är räknbara, ändliga, icke-negativa heltal, såsom 1, 10, 15, etc.

Diskret distribution

Förstå diskreta distributioner

De två typerna av distributioner är:

  1. Diskreta distributioner
  2. Kontinuerliga distributioner

En diskret fördelning, som nämnts tidigare, är en fördelning av värden som kan räknas som heltal. Å andra sidan inkluderar en kontinuerlig fördelning värden med oändliga decimaler. Ett exempel på ett värde på en kontinuerlig distribution skulle vara "pi." Pi är ett tal med oändliga decimaler (3.14159 ...).

Båda fördelningarna avser sannolikhetsfördelningar, som är grunden för statistisk analys och sannolikhetsteori.

En sannolikhetsfördelning är en statistisk funktion som används för att visa alla möjliga värden och sannolikheter för en slumpmässig variabel Slumpmässig variabel En slumpmässig variabel (stokastisk variabel) är en typ av variabel i statistik vars möjliga värden beror på resultatet av ett visst slumpmässigt fenomen inom ett visst intervall. Området skulle vara bundet av maximala och minimala värden, men det verkliga värdet beror på flera faktorer. Det finns beskrivande statistik som används för att förklara var det förväntade värdet kan hamna. Några av dessa är:

  • Medel (genomsnitt)
  • Median
  • Läge
  • Standardavvikelse Standardavvikelse Från en statistisk synpunkt är standardavvikelsen för en datamängd ett mått på storleken på avvikelserna mellan värdena för de observationer som finns
  • Skevhet
  • Kurtosis

Diskreta distributioner uppstår också i Monte Carlo-simuleringar. En Monte Carlo-simulering Monte Carlo-simulering Monte Carlo-simulering är en statistisk metod som används för att modellera sannolikheten för olika resultat i ett problem som inte bara kan lösas på grund av störningar av en slumpmässig variabel. är en statistisk modelleringsmetod som identifierar sannolikheten för olika resultat genom att köra en mycket stor mängd simuleringar. Från Monte Carlo-simuleringar ger resultat med diskreta värden en diskret fördelning för analys.

Exempel på diskret distribution

Typer av diskreta sannolikhetsfördelningar inkluderar:

  • Poisson
  • Bernoulli
  • Binom
  • Multinomial

Tänk på ett exempel där du räknar antalet personer som går in i en butik under en viss timme. Värdena måste räknas, ändliga, icke-negativa heltal. Det skulle inte vara möjligt att få 0,5 personer att gå in i en butik, och det skulle inte vara möjligt att få en negativ mängd människor att gå in i en butik. Därför skulle fördelningen av värdena, när de representeras i en fördelningsdiagram, vara diskret.

Diskret distribution - Exempel

Med beaktande av ovanstående diskreta distribution av insamlade datapunkter kan vi se att det fanns fem timmar där mellan en och fem personer gick in i butiken. Dessutom fanns det tio timmar där mellan fem och nio personer gick in i butiken och så vidare.

Sannolikhetsfördelningen ovan ger en visuell representation av sannolikheten för att en viss mängd människor skulle gå in i affären vid varje given timme. Utan att göra någon kvantitativ analys Kvantitativ analys Kvantitativ analys är processen att samla in och utvärdera mätbara och verifierbara data såsom intäkter, marknadsandelar och löner för att förstå ett företags beteende och prestanda. I datateknikens tid betraktas kvantitativ analys som det föredragna sättet att fatta välgrundade beslut. , kan vi konstatera att det är hög sannolikhet att mellan 9 och 17 personer kommer att gå in i butiken vid varje given timme.

Exempel på kontinuerlig distribution

Kontinuerliga sannolikhetsfördelningar kännetecknas av att ha ett oändligt och otalbart antal möjliga värden. Sannolikheterna för kontinuerliga slumpmässiga variabler definieras av området under kurvan för sannolikhetsdensitetsfunktionen.

Sannolikhetsdensitetsfunktionen (PDF) är sannolikheten för att en kontinuerlig slumpmässig variabel tar ett visst värde genom att dra slutsatsen från den samplade informationen och mäta området under PDF-filen. Även om den absoluta sannolikheten för att en slumpmässig variabel tar ett visst värde är 0 (eftersom det finns oändliga möjliga värden) används PDF-filen i två olika prover för att fastställa sannolikheten för en slumpmässig variabel.

Tänk på ett exempel där du vill beräkna fördelningen av höjden för en viss befolkning. Du kan samla ett prov och mäta deras höjder. Du kommer dock inte att nå en exakt höjd för någon av de uppmätta individerna.

För att beräkna höjdfördelningen kan du inse att sannolikheten för att en individ är exakt 180 cm är noll. Det vill säga sannolikheten att mäta en individ som har en höjd av exakt 180 cm med oändlig precision är noll. Sannolikheten att en individ har en höjd som är större än 180 cm kan dock mätas.

Dessutom kan du beräkna sannolikheten för att en individ har en höjd som är lägre än 180 cm. Därför kan du använda de härledda sannolikheterna för att beräkna ett värde för ett intervall, säg mellan 179,9 och 180,1 cm.

Kontinuerlig distribution

Med tanke på den kontinuerliga fördelningen är det tydligt att medelvärdet är 170 cm; det värdeintervall som kan tas är dock oändligt. Därför skulle mätning av sannolikheten för en given slumpmässig variabel kräva att man tar slutsatsen mellan två områden, som visas ovan.

Fler resurser

Finance erbjuder Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ Certification Certified Banking & Credit Analyst (CBCA) ™ ackreditering är en global standard för kreditanalytiker som täcker ekonomi, redovisning, kreditanalys, kassaflödesanalys, covenant modellering, lån återbetalningar och mer. certifieringsprogram för dem som vill ta sin karriär till nästa nivå. För att fortsätta lära dig och utveckla din kunskapsbas, vänligen utforska de ytterligare relevanta resurserna nedan:

  • Centralgränssats Centralgränssats Den centrala gränssatsen anger att samplets medelvärde för en slumpmässig variabel antar en nästan normal eller normal fördelning om urvalsstorleken är stor
  • Poisson-distribution Poisson-distribution Poisson-fördelningen är ett verktyg som används i statistik för sannolikhetsteori för att förutsäga mängden variation från en känd genomsnittlig förekomsthastighet, inom
  • Kumulativ frekvensfördelning Kumulativ frekvensfördelning Kumulativ frekvensfördelning är en form av en frekvensfördelning som representerar summan av en klass och alla klasser under den. Kom ihåg den frekvensen
  • Viktat medelvärde Viktat medelvärde Det viktade medelvärdet är en typ av medelvärde som beräknas genom att multiplicera vikten (eller sannolikheten) associerad med en viss händelse eller utfall med dess

Rekommenderas

Vad är finansiella modelleringsverktyg?
Vad är Standard & Poor & ssquo; s grundläggande för företagskreditanalys?
Vad är den nationella registreringsdatabasen (NRD)?