การแจกแจงความน่าจะเป็นในการวิเคราะห์ทางสถิติของข้อมูลขนาดใหญ่ - มัด

การแจกแจงความน่าจะเป็นหนึ่งในเทคนิคทางสถิติจำนวนมากที่สามารถใช้ในการวิเคราะห์ข้อมูลเพื่อค้นหารูปแบบที่เป็นประโยชน์ คุณใช้การกระจายแบบทวินามเพื่อวิเคราะห์ตัวแปรที่สามารถสันนิษฐานได้เพียงหนึ่งในสองค่าเท่านั้น การแจกแจงแบบทวินาม: ตัวอย่างเช่นคุณสามารถตรวจสอบความน่าจะเป็นที่เปอร์เซ็นต์ของสมาชิกที่สปอร์ตคลับเป็นมือซ้ายได้

• คุณจะใช้การแจกแจงแบบ Poisson เพื่ออธิบายความเป็นไปได้ที่จะเกิดเหตุการณ์ที่เกิดขึ้นในช่วงเวลาหนึ่ง ๆ ตัวอย่างเช่นอาจใช้เพื่ออธิบายความน่าจะเป็นของจำนวน Hit ที่ระบุในเว็บไซต์ในอีกไม่กี่ชั่วโมงข้างหน้า

  การแจกแจงแบบปกติ:

• การกระจายตามปกติคือการกระจายความน่าจะเป็นที่แพร่หลายมากที่สุดในสาขาวิชาส่วนใหญ่รวมถึงเศรษฐศาสตร์การเงินการตลาดชีววิทยาจิตวิทยาและอื่น ๆ อีกมากมาย หนึ่งในลักษณะของการแจกแจงแบบปกติคือสมมุติฐาน - ความน่าจะเป็นของตัวแปรที่อยู่ในระยะทางที่กำหนดต่ำกว่าค่าเฉลี่ยของการแจกแจงเท่ากับความน่าจะเป็นของระยะทางเดียวกันเหนือค่าเฉลี่ย

• การกระจายปกติทำงานได้ดีกับแอพพลิเคชั่นมากมาย ตัวอย่างเช่นมักใช้ในด้านการเงินเพื่ออธิบายถึงผลตอบแทนของสินทรัพย์ทางการเงิน เนื่องจากความง่ายในการตีความและการใช้งานการกระจายตามปกติจะถูกใช้งานในบางครั้งแม้ว่าสมมติฐานของภาวะปกติจะมีความถูกต้องเพียงเล็กน้อยเท่านั้น การกระจายตัวของนักเรียน t ได้รับการพัฒนาโดย W.S. Gosset ในขณะที่ทำงานที่ บริษัท ผลิตเบียร์ Guinness เขากำลังพยายามอธิบายคุณสมบัติของตัวอย่างเล็ก ๆ

  การกระจายไคสแควร์:

  การกระจายไคสแควร์มีความเหมาะสมกับการใช้งานหลายประเภท ตัวอย่างเช่นคุณสามารถใช้เพื่อระบุว่าประชากรดังกล่าวมีการแจกแจงความน่าจะเป็นเฉพาะหรือไม่ นอกจากนี้คุณยังสามารถใช้เพื่อทดสอบว่าความแปรปรวนของประชากรเท่ากับค่าที่ระบุและเพื่อทดสอบความเป็นอิสระของชุดข้อมูลสองชุด

  การกระจาย F:

• การกระจาย F จะได้มาจากการกระจายไคสแควร์ คุณใช้เพื่อทดสอบว่าผลต่างของประชากรสองกลุ่มมีค่าเท่ากันหรือไม่ การกระจาย F ยังเป็นประโยชน์ในการใช้งานเช่นการวิเคราะห์การถดถอย