La probabilité des distributions dans l'analyse statistique des données volumineuses - les nuls

Les distributions de probabilité sont l'une des nombreuses techniques statistiques qui peuvent être utilisées pour analyser des données afin de trouver des modèles utiles. Vous utilisez une distribution de probabilité pour calculer les probabilités associées aux éléments d'un ensemble de données:

• Distribution binomiale: Vous utiliseriez la distribution binomiale pour analyser des variables qui ne peuvent prendre qu'une seule valeur. Par exemple, vous pouvez déterminer la probabilité qu'un certain pourcentage de membres d'un club sportif soit gaucher.

• Distribution de Poisson: Vous utiliseriez la distribution de Poisson pour décrire la probabilité d'un nombre donné d'événements se produisant sur un intervalle de temps. Par exemple, il pourrait être utilisé pour décrire la probabilité d'un nombre spécifié de visites sur un site Web au cours de l'heure à venir.

• Distribution normale: La distribution normale est la distribution de probabilité la plus utilisée dans la plupart des disciplines, y compris l'économie, la finance, le marketing, la biologie, la psychologie et bien d'autres. L'une des caractéristiques de la distribution normale est symétrie - la probabilité qu'une variable soit une distance donnée inférieure à la moyenne de la distribution est égale à la probabilité qu'elle soit égale à la même distance au-dessus de la moyenne.

  La distribution normale fonctionne bien avec de nombreuses applications. Par exemple, il est souvent utilisé dans le domaine de la finance pour décrire les rendements des actifs financiers. En raison de sa facilité d'interprétation et de mise en œuvre, la distribution normale est parfois utilisée même lorsque l'hypothèse de normalité est seulement approximativement correcte.
  La distribution t de Student:

• La distribution t de Student est similaire à la distribution normale, mais avec la distribution t de Student, des valeurs extrêmement petites ou extrêmement grandes sont beaucoup plus susceptibles de se produire. Cette distribution est souvent utilisée dans les situations où une variable présente trop de variations pour être cohérente avec la distribution normale. Cela est vrai lorsque les propriétés des petits échantillons sont analysées. Avec de petits échantillons, la variation entre les échantillons est susceptible d'être assez considérable, de sorte que la distribution normale ne devrait pas être utilisée pour décrire leurs propriétés. La distribution t de Student a été développée par W.S. Gosset alors qu'il travaillait à la brasserie Guinness. Il essayait de décrire les propriétés des petits échantillons.

  La distribution du khi carré:

• La distribution du khi carré est appropriée pour plusieurs types d'applications. Par exemple, vous pouvez l'utiliser pour déterminer si une population suit une distribution de probabilité particulière. Vous pouvez également l'utiliser pour tester si la variance d'une population est égale à une valeur spécifiée et tester l'indépendance de deux ensembles de données. La distribution F:

• La distribution F est dérivée de la distribution du khi-carré. Vous l'utilisez pour tester si les variances de deux populations se valent. La distribution F est également utile dans des applications telles que l'analyse de régression.