Les distributions de probabilité dans l'analyse statistique des données volumineuses
Distributions de probabilité est une des nombreuses techniques statistiques qui peuvent être utilisées pour analyser les données pour trouver des modèles utiles. Vous utilisez un distribution de probabilité pour calculer les probabilités associées aux éléments d'un ensemble de données:
Distribution binomiale: Vous devriez utiliser la distribution binomiale pour analyser les variables qui peuvent prendre un seul des deux valeurs. Par exemple, vous pouvez déterminer la probabilité qu'un pourcentage donné de membres dans un club de sport sont laissés; main.
Distribution de Poisson: Vous devriez utiliser la distribution de Poisson pour décrire la probabilité d'un nombre donné d'événements survenus sur un intervalle de temps. Par exemple, il pourrait être utilisé pour décrire la probabilité d'un nombre déterminé de résultats sur un site Web sur l'heure à venir.
Distribution normale: La distribution normale est la distribution la plus largement utilisée de probabilité dans la plupart des disciplines, y compris l'économie, la finance, le marketing, la biologie, la psychologie, et bien d'autres. L'un des traits caractéristiques de la distribution normale est symétrie - la probabilité d'une variable étant une distance donnée en dessous de la moyenne de la distribution est égale à la probabilité de celui-ci étant à la même distance au-dessus de la moyenne.
Par exemple, si la hauteur moyenne de tous les hommes aux États-Unis est de 70 pouces, et les hauteurs sont normalement distribués, un homme choisi au hasard est également susceptible de se situer entre 68 et 70 pouces de hauteur, comme il est d'être entre 70 et 72 pouces de hauteur .
La distribution normale fonctionne bien avec de nombreuses applications. Par exemple, il est souvent utilisé dans le domaine de la finance pour décrire les rendements des actifs financiers. En raison de sa facilité d'interprétation et d'application, la distribution normale est parfois utilisé, même si l'hypothèse de normalité est seulement à peu près correcte.
Distribution t de Student: Distribution t de Student est similaire à la distribution normale, mais avec la distribution t de Student, très petites ou très grandes valeurs sont beaucoup plus susceptibles de se produire. Cette distribution est souvent utilisé dans les situations où une variable présente trop de variation pour être cohérent avec la distribution normale. Cela est vrai lorsque les propriétés de petits échantillons sont en cours d'analyse. Avec de petits échantillons, la variation entre les échantillons est susceptible d'être tout à fait considérable, de sorte que la distribution normale ne devrait pas être utilisé pour décrire leurs propriétés.
La distribution t de Student a été développé par WS Gosset alors qu'il était employé à la société de brasserie Guinness. Il tentait de décrire les propriétés de moyens de petits échantillons.
La distribution du chi-carré: La distribution chi-carré est approprié pour plusieurs types d'applications. Par exemple, vous pouvez l'utiliser pour déterminer si une population suit une distribution de probabilité particulière. Vous pouvez également l'utiliser pour tester si la variance d'une population égale à une valeur spécifiée, et pour tester l'indépendance de deux ensembles de données.
La distribution F: Le F-distribution est dérivé de la distribution du chi-carré. Vous pouvez l'utiliser pour tester si les variances de deux populations sont égaux les uns des autres. Le F-distribution est également utile dans des applications telles que l'analyse de régression.
A propos Auteur
La différence entre les distributions de probabilités discrètes et continues UN distribution de probabilité est une formule ou d'une table pour affecter des probabilités utilisée pour chaque valeur possible d'une variable aléatoire X. Une distribution de probabilité peut être soit discret ou continue. Une distribution…
Distributions de probabilités discrètes et continues Les deux types de base de distributions de probabilité sont connus comme discret et continu. Discret distributions décrivent les propriétés d'un variable aléatoire pour lequel chaque résultat individuel est attribué une probabilité…
Comment une distribution normale affecte la forme d'une distribution d'échantillonnage Dans les statistiques, lorsque la distribution originale pour une population X est normal, alors vous pouvez aussi supposer que la forme de la distribution d'échantillonnage, ousera également normal, quelle que soit la taille de l'échantillon…
Comment une distribution d'échantillonnage est affectée lorsque la distribution est pas normal Dans les statistiques, si une population X a toute distribution qui est pas normale, ou si sa distribution est inconnu, vous ne pouvez pas dire automatiquement la distribution des moyennes d'échantillona une distribution normale. Mais…
Comment le nombre de degrés de liberté affecte le graphique d'une distribution t Une des propriétés intéressantes de la distribution t est que plus les degrés de liberté, le plus étroitement la distribution t ressemble à la distribution normale standard. Comme les degrés de liberté augmente, la zone dans les queues de…
Comment calculer la valeur attendue, la variance et l'écart type pour une distribution de t Les distributions de probabilité, y compris la distribution t, ont plusieurs moments, y compris la valeur attendue, la variance et l'écart-type (un moment est une mesure sommaire d'une distribution de probabilité):Le premier moment d'une…
Comment trouver les moments de la distribution binomiale Moments sont des mesures sommaires d'une distribution de probabilité, et comprennent la valeur attendue, la variance et l'écart type. La valeur attendue représente la valeur moyenne ou moyenne d'une distribution. La valeur attendue est parfois…
Comment représenter graphiquement la distribution binomiale Une façon d'illustrer la distribution binomiale est avec un histogramme. Un histogramme montre les valeurs possibles d'une distribution de probabilité d'une série de barres verticales. La hauteur de chaque barre reflète la probabilité de chaque…
Comment dire à un z-distribution à partir d'une distribution de t Bien que la normale (Z-) Distribution et t-la distribution sont similaires, ils regardent différents les uns des autres et sont utilisées à des fins statistiques différentes. La distribution normale est que la distribution en forme de cloche…
Comment les valeurs z sont utilisés dans les statistiques Si un ensemble de données statistiques a une distribution normale, il est coutumier de normaliser toutes les données pour obtenir des scores classiques connues comme z-valeurs ou z-scores. La distribution de z-valeurs prend une distribution…
Variables aléatoires et distributions de probabilité dans les statistiques des entreprises Variables aléatoires et distributions de probabilité sont deux des concepts les plus importants en matière de statistiques. UN variable aléatoire assigne des valeurs numériques uniques pour les résultats d'un experiment- aléatoire ceci est un…
Distributions statistiques: binomiale, et t-distribution normale Une distribution statistique est une liste des valeurs possibles d'une variable (ou intervalles de valeurs), et combien de fois (ou à ce que la densité) ils se produisent. Il peut prendre plusieurs formes, y compris binomiale, normale, et…
Distributions de probabilité continue Lorsque vous travaillez avec des distributions de probabilités continues, les fonctions peuvent prendre de nombreuses formes. Ceux-ci comprennent uniforme continue, exponentielle, normale, normale standard (Z), approximation binomiale, Poisson…
Les distributions de probabilité en biostatistique Les échantillons diffèrent des populations en raison de fluctuations aléatoires. Statisticiens comprendre quantitativement comment fluctuations aléatoires se comportent en développant des équations mathématiques, appelés les fonctions de…