Mikä on erillinen jakauma?
Diskreetti jakauma on tilastollinen jakauma, joka näyttää lopputulosten todennäköisyydet äärellisillä arvoilla. Tilastolliset jakaumat voivat olla joko erillisiä tai jatkuvia. Jatkuva jakauma on rakennettu tuloksista, joilla voi olla ääretön mitattavissa oleva arvo.
Kaiken kaikkiaan diskreetin ja jatkuvan todennäköisyysjakauman käsitteet ja niiden kuvaamat satunnaismuuttujat ovat todennäköisyyden teorian ja tilastollisen analyysin perustana.
Diskreetin jakelun ymmärtäminen
Jakelu on datatutkimuksessa käytetty tilastollinen käsite. Tilastotieteilijät, jotka pyrkivät tunnistamaan tietyn tutkimuksen tulokset ja todennäköisyydet, kartoittavat mitattavissa olevat tietopisteet tietojoukosta, jolloin saadaan todennäköisyysjakauma. On olemassa monentyyppisiä todennäköisyysjakaumakaavioita, jotka voivat johtua jakautumistutkimuksesta. Joitakin yleisimpiä todennäköisyysjakaumia ovat: normaali, yhtenäinen, binomiaalinen, geometrinen, Poisson, eksponentiaalinen, chi-neliö, gamma ja beeta.
Jakautumisen on oltava joko erillistä tai jatkuvaa.
Tilastotieteilijät voivat tunnistaa joko erillisen tai jatkuvan jakauman kehityksen mitattavien tulosten luonteen perusteella. Diskreetillä jakaumilla on rajallinen määrä tuloksia. Esimerkiksi tutkittaessa kuuden numeroidun sivun muotin todennäköisyysjakaumaa voi olla vain kuusi mahdollista tulosta, joten äärellinen arvo on kuusi. Toinen esimerkki voi olla kolikon kääntäminen. Kolikon kääntäminen voi johtaa vain kahteen lopputulokseen, joten äärellinen arvo on kaksi.
Esimerkkejä erillisestä jakaumasta
Yleisimpiä erillisiä todennäköisyysjakaumia ovat binomi-, Poisson-, Bernoulli- ja multinomiaaliset. Yksi esimerkki siitä, että erillinen jakelu voi olla arvokasta yrityksille, on varastojen hallinta. Myytävien varastotiheyden tutkiminen yhdessä käytettävissä olevan rajallisen määrän varaston kanssa voi tarjota yritykselle todennäköisyysjakauman, joka johtaa ohjeisiin varaston oikeasta kohdentamisesta neliökuvien hyödyntämiseksi parhaalla mahdollisella tavalla.
Diskreetit jakaumat voivat syntyä myös Monte Carlo -simulaatiossa. Monte Carlo -simulointi on mallinnustekniikka, joka tunnistaa eri tulosten todennäköisyydet ohjelmoidun tekniikan avulla. Sitä käytetään ensisijaisesti skenaarioiden ennustamiseen ja riskien tunnistamiseen. Monte Carlo -simulaatiossa erillisillä arvoilla saavutetut tulokset tuottavat erillisiä jakaumia analyysiä varten. Näitä jakaumia käytetään riskien ja kompromissien määrittämiseen tarkasteltavana olevien eri erien välillä.
