Kesikli Dağıtım Nedir?
Kesikli dağılım, sonlu değerlerle sonuçların olasılıklarını gösteren istatistiksel bir dağılımdır. İstatistiksel dağılımlar ya kesikli ya da sürekli olabilir. Sonsuz ölçülebilir değerlere sahip olan sonuçlardan sürekli bir dağılım oluşturulur.
Genel olarak, kesikli ve sürekli olasılık dağılımları kavramları ve tanımladıkları rasgele değişkenler olasılık teorisi ve istatistiksel analizin temelini oluşturmaktadır.
Kesikli Dağıtımı Anlama
Dağıtım, veri araştırmalarında kullanılan istatistiksel bir kavramdır. Belirli bir çalışmanın sonuçlarını ve olasılıklarını belirlemeye çalışan istatistikçiler, bir veri kümesinden ölçülebilir veri noktalarını grafiklendirerek olasılık dağılım diyagramı oluşturacaktır. Bir dağıtım çalışmasından kaynaklanabilecek birçok olasılık dağılım diyagramı şekli vardır. En yaygın olasılık dağılımlarından bazıları şunlardır: normal, düzgün, binom, geometrik, Poisson, üstel, ki kare, gama ve beta.
Dağıtımlar ya ayrık ya da sürekli olmalıdır.
İstatistikçiler, ölçülecek sonuçların doğası gereği ayrı veya sürekli bir dağılımın gelişimini belirleyebilirler. Kesikli dağılımların sınırlı sayıda sonucu vardır. Örneğin, altı numaralı kenarı olan bir kalıbın olasılık dağılımını incelerken, sadece altı olası sonuç olabilir, bu nedenle sonlu değer altıdır. Başka bir örnek, bir bozuk parayı çevirmeyi içerebilir. Bozuk para çevirmek yalnızca iki sonuca yol açabilir, böylece sonlu değer iki olur.
Kesikli Dağılım Örnekleri
En yaygın ayrık olasılık dağılımları binom, Poisson, Bernoulli ve multinomiyaldir. Ayrık dağıtımın işletmeler için değerli olabileceği örneklerden biri envanter yönetimidir. Satılan envanter sıklığını mevcut sınırlı bir envanterle birlikte incelemek, bir işletmeye en iyi kare görüntüleri kullanmak için envanterin uygun şekilde tahsis edilmesi konusunda rehberlik sağlayacak bir olasılık dağılımı sağlayabilmektedir.
Monte Carlo simülasyonunda ayrık dağılımlar da ortaya çıkabilir. Monte Carlo simülasyonu, programlanmış teknoloji ile farklı sonuçların olasılıklarını tanımlayan bir modelleme tekniğidir. Öncelikle senaryoları tahmin etmek ve riskleri tanımlamak için kullanılır. Monte Carlo simülasyonunda, ayrık değerlere sahip sonuçlar analiz için ayrık dağılımlar üretecektir. Bu dağılımlar, dikkate alınan farklı kalemler arasındaki risk ve değiş-tokuşların belirlenmesinde kullanılır.