Sandsynlighed Fordeling i statistisk analyse af Big Data - dummies

Sandsynlighedsfordelinger er en af ​​mange statistiske teknikker, som kan bruges til at analysere data for at finde nyttige mønstre. Du bruger en sandsynlighedsfordeling til at beregne sandsynlighederne forbundet med elementerne i et datasæt:

• Binomialfordeling: Du vil bruge binomialfordelingen til at analysere variabler, som kun kan antage en af ​​to værdier. For eksempel kan du bestemme sandsynligheden for, at en given procentdel af medlemmerne i en sportsforening er venstrehåndet.

• Poissonfordeling: Du vil bruge Poisson-distributionen til at beskrive sandsynligheden for et givet antal begivenheder i løbet af et tidsinterval. Det kan for eksempel bruges til at beskrive sandsynligheden for et bestemt antal hits på et websted i løbet af den kommende time.

• Normalfordeling: Den normale fordeling er den mest anvendte sandsynlighedsfordeling i de fleste discipliner, herunder økonomi, økonomi, marketing, biologi, psykologi og mange andre. Et af de karakteristiske træk ved den normale fordeling er symmetri - sandsynligheden for, at en variabel er en given afstand under gennemsnittet af fordelingen, svarer til sandsynligheden for, at den er den samme afstand over gennemsnittet.

  Den normale fordeling fungerer godt med mange applikationer. For eksempel bruges det ofte på finansområdet til at beskrive afkastet til finansielle aktiver. På grund af sin nemme fortolkning og implementering anvendes den normale fordeling undertiden, selvom antagelsen om normalitet kun er omtrent korrekt.
  Studentens t-distribution:

• Studentens t-distribution svarer til den normale fordeling, men med Studentens t-distribution er der meget større sandsynlighed for ekstremt små eller ekstremt store værdier.. Denne fordeling anvendes ofte i situationer, hvor en variabel udviser for stor variation for at være i overensstemmelse med den normale fordeling. Dette er sandt, når egenskaberne af små prøver analyseres. Med små prøver er variationen mellem prøver sandsynligvis ret stor, så den normale fordeling bør ikke bruges til at beskrive deres egenskaber. Studentens t-distribution blev udviklet af W.S. Gosset, mens han var ansat hos Guinness bryggeriet. Han forsøgte at beskrive egenskaberne ved små prøveorganer.

  Chi-kvadratfordelingen:

• Chi-kvadratfordelingen er egnet til flere typer applikationer. For eksempel kan du bruge det til at bestemme, om en population følger en bestemt sandsynlighedsfordeling. Du kan også bruge det til at teste om variansen af ​​en population er lig med en bestemt værdi, og at teste for uafhængigheden af ​​to datasæt. F-fordelingen:

• F-fordelingen er afledt af chi-kvadratfordelingen. Du bruger det til at teste om variationerne af to populationer er ens. F-fordelingen er også nyttig i applikationer som regressionsanalyse.