이산 분포 란 무엇입니까?
불연속 분포는 유한 값으로 결과의 확률을 보여주는 통계 분포입니다. 통계 분포는 불연속 적이거나 연속적 일 수 있습니다. 지속적인 분포는 잠재적으로 측정 가능한 무한한 값을 갖는 결과로 구성됩니다.
전반적으로 불연속적이고 연속적인 확률 분포의 개념과 그것들이 설명하는 랜덤 변수는 확률 이론과 통계 분석의 토대입니다.
이산 분포 이해
분포는 데이터 연구에 사용되는 통계 개념입니다. 특정 연구의 결과 및 확률을 식별하려는 통계학자는 데이터 세트에서 측정 가능한 데이터 포인트를 차트 화하여 확률 분포 다이어그램을 생성합니다. 분포 연구로 인해 발생할 수있는 확률 분포 다이어그램 형태에는 여러 가지가 있습니다. 가장 일반적인 확률 분포에는 정규, 균일, 이항, 기하, 푸 아송, 지수, 카이 제곱, 감마 및 베타가 포함됩니다.
분포는 불연속 적이거나 연속적이어야합니다.
통계학자는 측정 할 결과의 특성에 따라 불연속 또는 연속 분포의 개발을 식별 할 수 있습니다. 불연속 분포는 한정된 수의 결과를 갖습니다. 예를 들어, 6 개의 변이있는 다이의 확률 분포를 연구 할 때 가능한 결과는 6 개뿐이므로 유한 값은 6입니다. 다른 예는 동전 뒤집기를 포함 할 수있다. 동전을 뒤집 으면 두 가지 결과 만 나올 수 있으므로 유한 값은 2입니다.
불연속 분포의 예
가장 일반적인 이산 확률 분포에는 이항, 포아송, 베르누이 및 다항식이 포함됩니다. 비즈니스에 불연속 배포가 유용한 예는 재고 관리입니다. 한정된 수량의 재고와 함께 판매되는 재고 빈도를 연구하면 비즈니스에 확률 분포를 제공 할 수있어 정사각형 장면을 가장 잘 활용할 수있는 적절한 재고 할당에 대한 지침으로 이어질 수 있습니다.
Monte Carlo 시뮬레이션에서도 불연속 분포가 발생할 수 있습니다. Monte Carlo 시뮬레이션은 프로그래밍 된 기술을 통해 다양한 결과의 확률을 식별하는 모델링 기술입니다. 주로 시나리오를 예측하고 위험을 식별하는 데 사용됩니다. Monte Carlo 시뮬레이션에서 불연속 값을 가진 결과는 분석을위한 불연속 분포를 생성합니다. 이 분포는 고려중인 여러 항목 간의 위험과 절충을 결정하는 데 사용됩니다.
