Dyskretna dystrybucja
Rozkład dyskretny to rozkład statystyczny, który pokazuje prawdopodobieństwo wyników o skończonych wartościach. Rozkłady statystyczne mogą być dyskretne lub ciągłe. Ciągły rozkład jest zbudowany na podstawie wyników, które potencjalnie mają nieskończone mierzalne wartości.
Ogólnie rzecz biorąc, koncepcje dyskretnych i ciągłych rozkładów prawdopodobieństwa oraz zmienne losowe, które opisują, są podstawą teorii prawdopodobieństwa i analizy statystycznej.
Zrozumienie dystrybucji dyskretnej
Dystrybucja to koncepcja statystyczna stosowana w badaniach danych. Statystycy próbujący zidentyfikować wyniki i prawdopodobieństwa danego badania sporządzą wykres mierzalnych punktów danych z zestawu danych, co da schemat rozkładu prawdopodobieństwa. Istnieje wiele rodzajów kształtów diagramów rozkładu prawdopodobieństwa, które mogą wynikać z badania rozkładu. Niektóre z najczęstszych rozkładów prawdopodobieństwa obejmują: normalny, jednolity, dwumianowy, geometryczny, Poissona, wykładniczy, chi-kwadrat, gamma i beta.
Rozkłady muszą być dyskretne lub ciągłe.
Statystycy mogą zidentyfikować rozwój rozkładu dyskretnego lub ciągłego na podstawie charakteru mierzonych wyników. Rozkłady dyskretne mają skończoną liczbę wyników. Na przykład podczas badania rozkładu prawdopodobieństwa kości o sześciu numerowanych bokach może być tylko sześć możliwych wyników, więc wartość skończona wynosi sześć. Innym przykładem może być rzut monetą. Rzut monetą może dać tylko dwa wyniki, więc skończona wartość wynosi dwa.
Przykłady dystrybucji dyskretnej
Najczęstsze dyskretne rozkłady prawdopodobieństwa obejmują dwumianowy, Poissona, Bernoulliego i wielomianowy. Jednym z przykładów, w którym dyskretna dystrybucja może być cenna dla firm, jest zarządzanie zapasami. Badanie częstotliwości sprzedaży zapasów w połączeniu ze skończoną ilością dostępnych zapasów może zapewnić firmie rozkład prawdopodobieństwa, który prowadzi do wskazówek na temat właściwej alokacji zapasów, aby jak najlepiej wykorzystać materiał kwadratowy.
Rozkłady dyskretne mogą również powstać w symulacji Monte Carlo. Symulacja Monte Carlo to technika modelowania, która identyfikuje prawdopodobieństwo różnych wyników za pomocą zaprogramowanej technologii. Służy głównie do prognozowania scenariuszy i identyfikowania ryzyka. W symulacji Monte Carlo wyniki o wartościach dyskretnych wytworzą dyskretne rozkłady do analizy. Podziały te są wykorzystywane do określania ryzyka i kompromisów między różnymi rozważanymi pozycjami.
Porównaj rachunki inwestycyjne Nazwa dostawcy Opis Ujawnienie reklamodawcy × Oferty przedstawione w tej tabeli pochodzą od partnerstw, od których Investopedia otrzymuje wynagrodzenie.