Differenza tra distribuzione discreta e continua di probabilità

Anonim

Discrete vs Continuous Probability Divisions

Gli esperimenti statistici sono esperimenti casuali che possono essere ripetuti a tempo indeterminato con un insieme noto di risultati. Si dice che una variabile sia una variabile casuale se è un risultato di un esperimento statistico. Ad esempio, prendere in considerazione un esperimento casuale di far scorrere una moneta due volte; i possibili risultati sono HH, HT, TH e TT. Lasciare che la variabile X sia il numero di teste nell'esperimento. Quindi, X può assumere i valori 0, 1 o 2 ed è una variabile casuale. Osservi che esiste una probabilità definitiva per ciascuno dei risultati X = 0, X = 1 e X = 2.

Si può quindi definire una funzione dall'insieme dei possibili risultati all'insieme dei numeri reali in modo che ƒ (x) = P (X = x) (la probabilità di X essere pari a x) per ogni possibile risultato x. Questa funzione particolare f è chiamata la funzione di massa / densità di probabilità della variabile casuale X. Ora la funzione di massa di probabilità di X, in questo esempio particolare, può essere scritta come ƒ (0) = 0. 25, ƒ (1) = 0 5, ƒ (2) = 0. 25.

Inoltre, una funzione denominata funzione di distribuzione cumulativa (F) può essere definita dall'insieme dei numeri reali all'insieme di numeri reali come F (x) = P (X ≤x) (la probabilità di X essere minore o uguale a x) per ogni possibile risultato x. Ora la funzione di distribuzione cumulativa di X, in questo esempio particolare, può essere scritta come F (a) = 0, se a <0; f (a) = 0. 25, se 0≤a <1; f (a) = 0. 75, se 1≤a <2; f (a) = 1, se a≥2.

Che cos'è una distribuzione discreta di probabilità?

Se la variabile casuale associata alla distribuzione di probabilità è discreta, allora tale distribuzione di probabilità viene chiamata discreta. Tale distribuzione è specificata da una funzione di massa di probabilità (ƒ). L'esempio sopra riportato è un esempio di tale distribuzione poiché la variabile casuale X può avere solo un numero finito di valori. Esempi comuni di distribuzione discreta di probabilità sono la distribuzione binomiale, la distribuzione di Poisson, la distribuzione iper-geometrica e la distribuzione multinomiale. Come si vede dall'esempio, la funzione di distribuzione cumulativa (F) è una funzione a passo e Σ ƒ (x) = 1.

Qual è una distribuzione di probabilità continua?

Se la variabile casuale associata alla distribuzione di probabilità è continua, si dice che tale distribuzione di probabilità sia continua. Tale distribuzione viene definita usando una funzione di distribuzione cumulativa (F). Quindi si osserva che la funzione di densità di probabilità ƒ (x) = dF (x) / dx e che ∫ƒ (x) dx = 1. Distribuzione normale, distribuzione di studenti t, distribuzione chi quadrata e distribuzione F sono esempi comuni per continui distribuzioni di probabilità.

Qual è la differenza tra una distribuzione discreta di probabilità e una distribuzione di probabilità continua?

• In distribuzioni di probabilità discrete, la variabile casuale associata ad essa è discreta, mentre in distribuzioni continue di probabilità la variabile casuale è continua.

• Le distribuzioni di probabilità continue vengono generalmente introdotte usando funzioni di densità di probabilità, ma vengono distribuite distribuzioni di probabilità discrete utilizzando funzioni di massa di probabilità.

• La traccia di frequenza di una distribuzione di probabilità discreta non è continua, ma è continua quando la distribuzione è continua.

• La probabilità che una variabile casuale continua assume un valore particolare è zero, ma non è il caso in variabili casuali discrete.