В статистике равномерное распределение - это термин, используемый для описания формы распределения вероятностей, при которой каждый возможный результат имеет равную вероятность наступления. Вероятность постоянна, поскольку каждая переменная имеет равные шансы быть результатом.
Краткое резюме
- В статистике равномерное распределение - это распределение вероятностей, при котором все исходы равновероятны.
- Дискретные равномерные распределения имеют конечное число результатов. Непрерывное равномерное распределение - это статистическое распределение с бесконечным числом равновероятных измеримых значений.
- Понятия дискретного равномерного распределения и непрерывного равномерного распределения, а также описываемых ими случайных величин являются основами статистического анализа и теории вероятностей.
Примеры равномерного распределения
Равномерное распределение - это простейшее статистическое распределение. Концепция равномерного распределения, а также описываемых им случайных величин составляют основу статистического анализа и теории вероятностей.
Например, если вы стоите на углу улицы и начинаете случайным образом вручать 100-долларовую банкноту любому удачливому человеку, который проходит мимо, то у каждого прохожего будут равные шансы получить деньги. Процент вероятности равен 1, деленному на общее количество исходов (количество прохожих). Однако, если вы предпочитаете невысоких людей или женщин, у них будет больше шансов получить 100-долларовую купюру, чем у других прохожих. Это нельзя назвать равномерной вероятностью.
Колода карт также имеет равномерное распределение. Это потому, что у человека есть равные шансы достать лопату, сердце, дубину или алмаз. Другой пример с равномерным распределением - подбрасывание монеты. Вероятность получить хвост или голову одинакова. График равномерного распределения обычно плоский, при этом стороны и верх параллельны осям x и y.
Типы равномерного распределения
Равномерное распределение можно разделить на две категории в зависимости от типов возможных результатов.
1. Дискретное равномерное распределение
В статистике и теории вероятностей дискретное равномерное распределение - это статистическое распределение, в котором вероятность результатов одинакова и имеет конечные значения. Хорошим примером дискретного равномерного распределения могут быть возможные результаты прокатки 6-гранной матрицы. Возможные значения: 1, 2, 3, 4, 5 или 6. В этом случае каждое из шести чисел имеет равные шансы появиться. Таким образом, каждый раз, когда бросается шестигранный кубик, каждая сторона имеет шанс 1/6.
Количество значений конечно. При броске правильной кости невозможно получить значение 1,3, 4,2 или 5,7. Однако, если добавлен еще один кубик, и они оба брошены, полученное распределение больше не будет равномерным, потому что вероятность сумм не равна. Другой простой пример - распределение вероятностей подбрасывания монеты. Возможных исходов в таком сценарии может быть только два. Следовательно, конечное значение равно 2.
Есть несколько способов, которыми дискретное равномерное распределение может быть полезным для бизнеса. Например, это может возникнуть при управлении запасами. Аудит инвентаризации. Аудит инвентаризации - это процесс перекрестной проверки финансовых записей с инвентаризацией и записями. Его могут заполнить аудиторы и другие лица при изучении частоты продаж товарных запасов. Он может обеспечить распределение вероятностей, которое поможет бизнесу правильно распределять запасы для наилучшего использования квадратных метров.
Дискретное равномерное распределение также полезно в моделировании Монте-Карло Моделирование Монте-Карло Моделирование Монте-Карло - это статистический метод, применяемый для моделирования вероятности различных исходов в задаче, которую нельзя просто решить из-за вмешательства случайной величины. . Это метод моделирования, в котором используется запрограммированная технология для определения вероятностей различных результатов. Моделирование методом Монте-Карло часто используется для прогнозирования сценариев и помощи в идентификации рисков.
2. Непрерывное равномерное распределение
Не все равномерные распределения дискретны; некоторые непрерывны. Непрерывное равномерное распределение (также называемое прямоугольным распределением) - это статистическое распределение с бесконечным числом одинаково вероятных измеримых значений. В отличие от дискретных случайных величин, непрерывная случайная величина может принимать любое действительное значение в пределах указанного диапазона.
Непрерывное равномерное распределение обычно имеет прямоугольную форму. Хорошим примером непрерывного равномерного распределения является идеализированный генератор случайных чисел. При непрерывном равномерном распределении, как и при дискретном равномерном распределении, каждая переменная имеет равные шансы произойти. Однако существует бесконечное количество точек.
Дополнительные ресурсы
Финансы - официальный провайдер глобальной сертификации финансового моделирования и оценки (FMVA) ™. Сертификация FMVA®. Присоединяйтесь к 350 600+ студентам, которые работают в таких компаниях, как Amazon, JP Morgan и Ferrari. Программа сертификации разработана, чтобы помочь любому стать финансовым аналитиком мирового уровня. . Чтобы продолжить карьеру, вам пригодятся следующие дополнительные финансовые ресурсы:
- Основные концепции статистики в финансах Основные концепции статистики в финансах Твердое понимание статистики имеет решающее значение для того, чтобы помочь нам лучше понять финансы. Более того, концепции статистики могут помочь инвесторам отслеживать
- Нормальное распределение Нормальное распределение Нормальное распределение также называют распределением Гаусса или Гаусса. Этот тип распределения широко используется в естественных и социальных науках. В
- Параметр Параметр Параметр - полезный компонент статистического анализа. Это относится к характеристикам, которые используются для определения данной популяции. Он используется для
- Безусловная вероятность Безусловная вероятность Безусловная вероятность, также известная как предельная вероятность, относится к вероятности, на которую не влияют предыдущие или будущие события. Другими словами,