Nhiều phân phối xác suất hơn

Nhập môn Thống kê với Python

Maggie Matsui

Content Developer, DataCamp

Phân phối mũ

  • Xác suất thời gian giữa các sự kiện Poisson

  • Ví dụ

    • Xác suất > 1 ngày giữa các lượt nhận nuôi
    • Xác suất < 10 phút giữa các lượt đến nhà hàng
    • Xác suất 6–8 tháng giữa các trận động đất

  • Cũng dùng lambda (tốc độ)

  • Liên tục (thời gian)

Nhập môn Thống kê với Python

Yêu cầu hỗ trợ khách hàng

  • Trung bình tạo 1 phiếu hỗ trợ mỗi 2 phút
    • $\lambda$ = 0,5 phiếu mỗi phút

Phân phối mũ với lambda = 0,5

Nhập môn Thống kê với Python

Lambda trong phân phối mũ

3 phân phối mũ với lambda = 0,5; 1; và 1,5

Nhập môn Thống kê với Python

Kỳ vọng của phân phối mũ

Theo tốc độ (Poisson):

  • $\lambda$ = $0{,}5 \text{ yêu cầu}$ mỗi phút

 

Theo thời gian giữa sự kiện (mũ):

  • $1/\lambda$ = 1 yêu cầu mỗi $2 \text{ phút}$
  • $1/0{,}5$ = $2$
Nhập môn Thống kê với Python

Mất bao lâu để có yêu cầu mới?

 

from scipy.stats import expon
  • scale = $1/\lambda$ = $1/0{,}5$ = $2$

$P(\text{chờ} < \text{1 phút})$ =

expon.cdf(1, scale=2)

0.3934693402873666

$P(\text{chờ} > \text{4 phút})$ =

1- expon.cdf(4, scale=2)

0.1353352832366127

$P(\text{1 phút} < \text{chờ} < \text{4 phút})$ =

expon.cdf(4, scale=2) - expon.cdf(1, scale=2)

0.4711953764760207
Nhập môn Thống kê với Python

Phân phối t (Student)

  • Hình dạng tương tự phân phối chuẩn

phân phối t và chuẩn vẽ trên cùng trục

Nhập môn Thống kê với Python

Bậc tự do

  • Có tham số bậc tự do (df) ảnh hưởng độ dày đuôi
    • df thấp = đuôi dày hơn, độ lệch chuẩn lớn hơn
    • df cao = gần phân phối chuẩn hơn

3 phân phối t với df = 1, df = 5 và df = 10

Nhập môn Thống kê với Python

Phân phối log-chuẩn

  • Biến có log tuân theo phân phối chuẩn

  • Ví dụ:

    • Độ dài ván cờ
    • Huyết áp người lớn
    • Số ca nhập viện trong dịch SARS 2003

3 phân phối log-chuẩn với sd = 0.5, sd = 1 và sd = 1.5

Nhập môn Thống kê với Python

Ayo berlatih!

Nhập môn Thống kê với Python

Preparing Video For Download...