Sa probability at statistics distribution ay isang katangian ng isang random variable, inilalarawan ang probabilidad ng random variable sa bawat value.
Ang bawat distribusyon ay may tiyak na probability density function at probability distribution function.
Bagama't mayroong hindi tiyak na bilang ng mga distribusyon ng posibilidad, mayroong ilang karaniwang distribusyon na ginagamit.
Ang probability distribution ay inilalarawan ng pinagsama-samang distribution function F(x),
na kung saan ay ang posibilidad ng random variable X upang makakuha ng halaga na mas maliit kaysa sa o katumbas ng x:
F(x) = P(X ≤ x)
Ang pinagsama-samang distribution function na F(x) ay kinakalkula sa pamamagitan ng pagsasama ng probability density function f(u) ng tuluy-tuloy na random variable X.
Ang pinagsama-samang distribution function na F(x) ay kinakalkula sa pamamagitan ng pagsusuma ng probability mass function P(u) ng discrete random variable X.
Ang patuloy na pamamahagi ay ang pamamahagi ng isang tuluy-tuloy na random na variable.
...
Pangalan ng pamamahagi | Simbolo ng pamamahagi | Probability density function (pdf) | ibig sabihin | Pagkakaiba |
---|---|---|---|---|
f X ( x ) |
μ = E ( X ) |
σ 2 = Var ( X ) |
||
Normal / gaussian |
X ~ N (μ,σ 2 ) |
μ | σ 2 | |
Uniform |
X ~ U ( a , b ) |
|||
Exponential | X ~ exp (λ) | |||
Gamma | X ~ gamma ( c , λ) |
x > 0, c > 0, λ > 0 |
||
Chi square |
X ~ χ 2 ( k ) |
k |
2 k |
|
Wishart | ||||
F |
X ~ F ( k 1 , k 2 ) |
|||
Beta | ||||
Weibull | ||||
Log-normal |
X ~ LN (μ,σ 2 ) |
|||
Rayleigh | ||||
Cauchy | ||||
Dirichlet | ||||
Laplace | ||||
Levy | ||||
kanin | ||||
Ang t |
Ang discrete distribution ay ang distribution ng isang discrete random variable.
...
Pangalan ng pamamahagi | Simbolo ng pamamahagi | Probability mass function (pmf) | ibig sabihin | Pagkakaiba | |
---|---|---|---|---|---|
f x ( k ) = P ( X = k )
k = 0,1,2,... |
E ( x ) | Var ( x ) | |||
Binomial |
X ~ Bin ( n , p ) |
np |
np (1- p ) |
||
Poisson |
X ~ Poisson (λ) |
λ ≥ 0 |
λ |
λ |
|
Uniform |
X ~ U ( a,b ) |
||||
Geometric |
X ~ Geom ( p ) |
|
|
||
Hyper-geometric |
X ~ HG ( N , K , n ) |
N = 0,1,2,... K = 0,1,.., N n = 0,1,..., N |
|||
Bernoulli |
X ~ Bern ( p ) |
p |
p (1- p ) |
Advertising