Рівномірний розподіл - огляд, приклади та типи

У статистиці рівномірний розподіл - це термін, що використовується для опису форми розподілу ймовірностей, коли кожен можливий результат має однакову ймовірність того, що він відбудеться. Ймовірність постійна, оскільки кожна змінна має рівні шанси бути результатом.

Рівномірний розподіл

Короткий зміст

  • У статистиці рівномірний розподіл - це розподіл ймовірностей, коли всі результати однаково ймовірні.
  • Дискретні рівномірні розподіли мають кінцеву кількість результатів. Безперервний рівномірний розподіл - це статистичний розподіл з нескінченною кількістю однаково ймовірних вимірюваних значень.
  • Поняття дискретного рівномірного розподілу та неперервного рівномірного розподілу, а також випадкові величини, які вони описують, є основою статистичного аналізу та теорії ймовірностей.

Приклади рівномірного розподілу

Рівномірний розподіл - це найпростіший статистичний розподіл. Концепція рівномірного розподілу, а також випадкові величини, які вона описує, складають основу статистичного аналізу та теорії ймовірностей.

Наприклад, якщо ви стоїте на розі вулиці і починаєте хаотично передавати купюру в 100 доларів кожному щасливчику, який пройшов повз, тоді кожен перехожий матиме рівні шанси на вручення грошей. Відсоток ймовірності дорівнює 1, поділеному на загальну кількість результатів (кількість перехожих). Однак, якщо ви надаєте перевагу низькорослим людям або жінкам, вони матимуть більше шансів отримати рахунок за 100 доларів, ніж інші перехожі. Це не можна було б описати як рівномірну ймовірність.

Колода карт також має рівномірний розподіл. Це тому, що людина має рівні шанси намалювати лопату, серце, палицю або діамант. Інший приклад з рівномірним розподілом - це коли кидають монету. Ймовірність отримати хвіст або голову однакова. Графік рівномірного розподілу, як правило, плоский, при цьому сторони та вершина паралельні осям x та y.

Види рівномірного розподілу

Рівномірний розподіл можна згрупувати у дві категорії залежно від типів можливих результатів.

1. Дискретний рівномірний розподіл

У статистиці та теорії ймовірностей дискретний рівномірний розподіл - це статистичний розподіл, де ймовірність результатів однаково вірогідна і з кінцевими значеннями. Хорошим прикладом дискретного рівномірного розподілу можуть бути можливі результати прокатки 6-гранної плашки. Можливі значення були б 1, 2, 3, 4, 5 або 6. У цьому випадку кожне з шести чисел має рівні шанси з’явитися. Отже, кожного разу, коли кидається 6-стороння плашка, кожна сторона має шанс 1/6.

Кількість значень є скінченною. Неможливо отримати значення 1,3, 4,2 або 5,7 під час прокатки чесної плашки. Однак, якщо додається ще одна плашка і їх обидва кидають, розподіл, який виходить, стає вже не рівномірним, оскільки ймовірність сум не однакова. Інший простий приклад - розподіл ймовірності перекидання монети. Можливих результатів у такому сценарії може бути лише два. Отже, кінцеве значення дорівнює 2.

Існує кілька способів, за допомогою яких дискретний рівномірний розподіл може бути цінним для бізнесу. Наприклад, це може виникнути в управлінні запасами. Його можуть заповнити аудитори та інші під час вивчення частоти продажу запасів. Це може забезпечити розподіл ймовірностей, який може допомогти бізнесу в тому, як правильно розподілити інвентар для найкращого використання квадратних метрів.

Дискретний рівномірний розподіл також корисний при моделюванні Монте-Карло Моделювання Монте-Карло Моделювання Монте-Карло - це статистичний метод, що застосовується при моделюванні ймовірності різних результатів у задачі, яку неможливо просто вирішити через інтерференцію випадкової величини. . Це техніка моделювання, яка використовує запрограмовані технології для виявлення ймовірностей різних результатів. Моделювання Монте-Карло часто використовується для прогнозування сценаріїв та допомоги у виявленні ризиків.

2. Безперервний рівномірний розподіл

Не всі рівномірні розподіли дискретні; деякі - безперервні. Безперервний рівномірний розподіл (також званий прямокутним розподілом) - це статистичний розподіл з нескінченною кількістю однаково ймовірних вимірюваних значень. На відміну від дискретних випадкових величин, неперервна випадкова величина може приймати будь-яке дійсне значення в межах заданого діапазону.

Безперервний рівномірний розподіл зазвичай буває прямокутної форми. Хорошим прикладом неперервного рівномірного розподілу є ідеалізований генератор випадкових чисел. При безперервному рівномірному розподілі, як і при дискретному рівномірному розподілі, кожна змінна має рівні шанси відбутися. Однак існує нескінченна кількість точок, які можуть існувати.

Більше ресурсів

Finance є офіційним постачальником глобального аналітика фінансового моделювання та оцінки (FMVA) ™ Сертифікація FMVA® Приєднуйтесь до 350 600+ студентів, які працюють у таких компаніях, як Amazon, JP Morgan та сертифікаційна програма Ferrari, призначена для того, щоб допомогти кожному стати фінансовим аналітиком світового класу. . Щоб продовжувати прогресувати вашу кар’єру, корисними будуть додаткові фінансові ресурси нижче:

  • Основні поняття статистики у фінансах Основні поняття статистики у галузі фінансів Надійне розуміння статистики є надзвичайно важливим для того, щоб допомогти нам краще зрозуміти фінанси. Більше того, концепції статистики можуть допомогти інвесторам контролювати
  • Нормальний розподіл Нормальний розподіл Нормальний розподіл також називають розподілом Гаусса або Гауса. Цей тип розподілу широко використовується в природничих та соціальних науках.
  • Параметр Параметр Параметр є корисною складовою статистичного аналізу. Він стосується характеристик, які використовуються для визначення даної сукупності. Це звикло
  • Безумовна ймовірність Безумовна ймовірність Безумовна ймовірність, також відома як гранична ймовірність, відноситься до ймовірності, на яку не впливають попередні чи майбутні події. Іншими словами,

Останні повідомлення