Mengevaluasi Fungsi Probabilitas

Penting

Dukungan untuk Studio Azure Machine Learning (klasik) akan berakhir pada 31 Agustus 2024. Sebaiknya Anda transisi ke Azure Machine Learning sebelum tanggal tersebut.

Mulai 1 Desember 2021, Anda tidak akan dapat membuat sumber daya Studio Azure Machine Learning (klasik) baru. Hingga 31 Agustus 2024, Anda dapat terus menggunakan sumber daya Pembelajaran Mesin Studio (klasik) yang ada.

ML Dokumentasi Studio (klasik) sedang berhenti dan mungkin tidak diperbarui di masa mendatang.

Cocok dengan fungsi distribusi probabilitas tertentu ke himpunan data

Kategori: Fungsi Statistik

Catatan

Berlaku untuk: hanya Pembelajaran Mesin Studio (klasik)

Modul seret dan letakkan serupa tersedia di perancang Azure Machine Learning.

Ringkasan Modul

Artikel ini menjelaskan cara menggunakan modul Fungsi Probabilitas Evaluasi di Pembelajaran Mesin Studio (klasik), untuk menghitung langkah-langkah statistik yang menjelaskan distribusi kolom, seperti distribusi Bernoulli, Pareto, atau Poisson.

Untuk menggunakan model ini, sambungkan himpunan data yang berisi setidaknya satu kolom nilai numerik, dan pilih distribusi probabilitas untuk diuji. Modul mengembalikan tabel data yang berisi nilai dari fungsi probabilitas yang ditentukan.

Anda dapat menghitung salah satu nilai ini untuk distribusi probabilitas yang dipilih:

  • fungsi distribusi kumulatif (cdf)
  • fungsi distribusi kumulatif terbalik (InverseCdf)
  • fungsi kerapatan probabilitas (Pdf)

Mengapa distribusi probabilitas berguna?

Saat Anda mengevaluasi data terhadap distribusi probabilitas, Anda memetakan nilai kolom terhadap sekumpulan nilai dengan properti yang diketahui. Dengan mengetahui apakah data Anda sesuai dengan salah satu distribusi terkenal ini, Anda mungkin dapat menyimpulkan properti lain dari data Anda. Secara umum, Anda bisa mendapatkan prediksi yang lebih baik dari model ketika Anda dapat mengidentifikasi distribusi yang paling sesuai dengan data.

Pertanyaan tentang fungsi distribusi probabilitas mana yang akan digunakan tergantung pada data dan variabel yang sedang diukur. Misalnya, beberapa distribusi dirancang untuk menggambarkan probabilitas nilai diskrit; yang lain dimaksudkan untuk digunakan hanya dengan variabel numerik berkelanjutan. Untuk beberapa distribusi, Anda juga harus tahu terlebih dahulu rata-rata yang diharapkan, derajat kebebasan, dan sebagainya. Untuk detailnya, lihat Distribusi Probabilitas yang Didukung

Cara mengonfigurasi Fungsi Probabilitas Evaluasi

  • Semua opsi berubah tergantung pada jenis distribusi probabilitas yang ingin Anda komputasi. Jika Anda mengubah metode distribusi probabilitas, pilihan lain yang mungkin telah Anda buat akan diatur ulang.

    Oleh karena itu, pastikan untuk memilih opsi Distribusi terlebih dahulu!

  • Himpunan data yang digunakan sebagai input harus berisi data numerik. Jenis data lainnya diabaikan.

  • Untuk setiap analisis, Anda dapat menerapkan satu metode distribusi probabilitas. Untuk menghitung distribusi probabilitas yang berbeda, tambahkan instans terpisah modul untuk setiap distribusi yang ingin Anda uji.

  1. Tambahkan modul Fungsi Probabilitas Evaluasi ke eksperimen Anda. Anda dapat menemukan modul ini dalam kategori Fungsi Statistik di Pembelajaran Mesin Studio (klasik).

  2. Koneksi himpunan data yang berisi setidaknya satu kolom angka.

  3. Gunakan opsi Distribusi untuk memilih jenis distribusi probabilitas yang ingin Anda hitung. Lihat Distribusi Probabilitas yang Didukung untuk daftar opsi dan argumen yang diperlukan.

  4. Atur parameter apa pun yang diperlukan oleh distribusi.

  5. Pilih salah satu dari tiga statistik yang akan dibuat: fungsi distribusi kumulatif (cdf), fungsi distribusi kumulatif terbalik (InverseCdf), atau fungsi kerapatan probabilitas (pdf).

    Lihat bagian Catatan teknis untuk definisi.

  6. Gunakan pemilih kolom untuk memilih kolom untuk menghitung distribusi probabilitas yang dipilih.

    • Semua kolom yang Anda pilih harus memiliki jenis data numerik.

    • Rentang data dalam kolom juga harus valid, mengingat fungsi probabilitas yang dipilih. Jika tidak, kesalahan atau hasil NaN dapat terjadi.

    • Untuk kolom jarang, nilai apa pun yang sesuai dengan nol latar belakang tidak akan diproses.

  7. Gunakan opsi Mode hasil untuk menentukan cara menghasilkan hasil. Anda dapat mengganti nilai kolom dengan nilai distribusi probabilitas, menambahkan nilai baru ke himpunan data, atau hanya mengembalikan nilai distribusi probabilitas.

  8. Jalankan eksperimen, atau klik kanan modul Evaluasi Fungsi Probabilitas dan klik Jalankan yang dipilih.

Hasil

Tabel berikut berisi contoh hasil, menggunakan opsi Tambahkan , pada satu kolom suhu dari himpunan data sampel Forest Fires .

temp StandardNormal.Cdf(temp) StandardNormal.Pdf(temp) FFisher.cdf(temp FFisher.cdf(temp
8.2 1 1 0.984774 0.004349
18 1 1 0.997896 0.000311
+14.6 1 1 0.996352 0.000648
8.3 1 1 0.985201 0.004187
11,4 1 1 0.993147 0.001502

Judul kolom yang dihasilkan berisi distribusi probabilitas yang digunakan.

Jika Anda tidak yakin distribusi probabilitas mana yang mungkin sesuai dengan data Anda, Anda dapat membuat bagan cepat distribusi kumulatif dan kepadatan probabilitas untuk kolom numerik apa pun.

  1. Klik kanan himpunan data atau output modul, dan pilih Visualisasikan.
  2. Pilih kolom yang menarik, dan di panel Histogram , pilih distribusi kumulatif atau kepadatan probabilitas.
  3. Bagan distribusi, seperti berikut ini, ditumpakan pada histogram yang mewakili data.

aml_histogram_cdf_pdf_chart

Distribusi probabilitas yang didukung

Modul Fungsi Probabilitas Evaluasi mendukung distribusi berikut:

Bernoulli

Distribusi Bernoulli adalah distribusi atas nilai biner: dengan kata lain, distribusi tersebut memodelkan distribusi yang diharapkan ketika hanya dua nilai yang dimungkinkan.

Untuk menghitung, pilih Bernoulli, dan atur opsi berikut:

  • Probabilitas keberhasilan
    Parameter p menentukan probabilitas bahwa 1 dihasilkan. Ketik angka (float) antara 0,0 dan 1,0 yang menentukan probabilitas keberhasilan. Defaultnya adalah .5.

Beta

Distribusi Beta adalah distribusi univariat berkelanjutan.

Untuk menghitung, pilih Beta, dan atur opsi berikut:

  • Bentuk
    Ketik nilai untuk mengubah bentuk distribusi.

    Parameter bentuk adalah parameter distribusi probabilitas apa pun yang tidak menentukan lokasi atau skalanya. Oleh karena itu, saat Anda memasukkan nilai untuk bentuk, parameter mengubah bentuk distribusi daripada memindahkan, meregangkan, atau menyusutkannya.

    Nilai harus berupa angka (double). Defaultnya adalah 1.0.

  • Skala
    Ketik angka yang akan digunakan untuk menskalakan distribusi.

    Dengan menerapkan nilai skala ke distribusi, Anda dapat menyusutkan atau meregangkannya.

    Nilai defaultnya adalah 1,0. Nilai harus berupa angka positif.

  • Batas atas
    Ketik angka (double) yang mewakili batas atas distribusi. Defaultnya adalah 1.0.

  • Batas bawah
    Ketik angka (double) yang menunjukkan batas bawah distribusi. Nilai defaultnya adalah 0,0.

Binomial

Distribusi binomial adalah distribusi univariat diskrit. Distribusi binomial digunakan untuk memodelkan jumlah keberhasilan dalam sampel. Penggantian digunakan saat pengambilan sampel. Untuk pengambilan sampel tanpa penggantian, gunakan distribusi Hypergeometric.

Untuk menghitung, pilih Binomial, dan atur opsi berikut:

  • Probabilitas keberhasilan
    Ketik angka (float) antara 0,0 dan 1,0 yang menunjukkan probabilitas keberhasilan. Defaultnya adalah .5.

  • Jumlah uji coba
    Tentukan jumlah uji coba.

    integerGunakan , dengan nilai minimum 1. Defaultnya adalah 3.

Cauchy

Distribusi Cauchy adalah distribusi probabilitas berkelanjutan simetris.

Untuk menghitung, pilih Cauchy, dan atur opsi berikut:

  • Lokasi
    Ketik angka (double) yang mewakili lokasi elemenke-0 .

    Dengan menentukan nilai untuk parameter Lokasi , Anda dapat menggeser distribusi probabilitas ke atas atau ke bawah skala numerik.

    Nilai defaultnya adalah 0,0.

ChiSquare

Distribusi k-kuadrat adalah jumlah kuadrat k variabel independen, standar, normal, acak.

Untuk menghitung, pilih ChiSquare, dan atur opsi berikut:

  • Jumlah derajat kebebasan Ketik angka (double) untuk menentukan derajat kebebasan. Defaultnya adalah 1.0.

ChisquareRightTailed

Opsi ini menyediakan distribusi khi-kuadrat ekor kanan.

Untuk menghitung, pilih ChiSquareRightTailed, dan atur opsi berikut:

  • Jumlah derajat kebebasan
    Ketik angka (double) untuk menentukan derajat kebebasan. Defaultnya adalah 1.0.

Eksponensial

Distribusi eksponensial adalah distribusi atas angka riil yang diparameterkan oleh satu parameter non-negatif.

Untuk menghitung, pilih Eksponensial, dan atur opsi berikut:

  • Lambda
    Ketik angka (double) untuk digunakan sebagai parameter lambda. Defaultnya adalah 1.0.

FFisher

Menghasilkan probabilitas statistik Fisher untuk sampel, juga dikenal sebagai distribusi Fisher F. Distribusi ini berukuran dua ekor.

Untuk menghitung, pilih FFisher, dan atur opsi berikut:

  • Tingkat kebebasan pembiasa
    Ketik angka (double) untuk menentukan derajat kebebasan yang digunakan dalam pembiasa. Defaultnya adalah 3.0.

  • Tingkat kebebasan denominator
    Ketik angka (double) untuk menentukan derajat kebebasan yang digunakan dalam penyebut. Defaultnya adalah 6.0.

FFisherRightTailed

Membuat distribusi Fisher ekor kanan. Distribusi Fisher juga dikenal sebagai distribusi F Fisher, distribusi Snedecor, atau distribusi Fisher-Snedecor. Bentuk distribusi khusus ini ekor kanan.

Untuk menghitung, pilih FFisherRightTailed, dan atur opsi berikut:

  • Tingkat kebebasan pembiasa
    Ketik angka (double) untuk menentukan derajat kebebasan yang digunakan dalam pembiasa. Defaultnya adalah 3.0.

  • Tingkat kebebasan denominator
    Ketik angka (double) untuk menentukan derajat kebebasan yang digunakan dalam penyebut. Defaultnya adalah 6.0.

Gama

Distribusi gamma adalah keluarga distribusi probabilitas berkelanjutan dengan dua parameter. Misalnya, khi-kuadrat adalah kasus khusus dari distribusi gamma.

Untuk menghitung, pilih Gamma, dan atur opsi berikut:

  • Skala
    Ketik nilai yang akan digunakan untuk menskalakan distribusi.

    Dengan menerapkan nilai skala ke distribusi, Anda dapat menyusutkan atau meregangkannya.

    Nilai defaultnya adalah 1,0. Nilai harus berupa angka positif.

  • Lokasi
    Ketik angka (double) yang mewakili lokasi elemenke-0 .

    Dengan menentukan nilai untuk parameter Lokasi , Anda dapat menggeser distribusi probabilitas ke atas atau ke bawah skala numerik.

    Nilai defaultnya adalah 0,0.

GeneralizedExtremeValues

Membuat distribusi yang dikembangkan untuk menangani nilai ekstrem. Distribusi generalized extreme value (GEV) sebenarnya adalah sekelompok distribusi probabilitas berkelanjutan yang menggabungkan distribusi Gumbel, Fréchet, dan Weibull (juga dikenal sebagai distribusi nilai ekstrem tipe I, II, dan III).

Untuk informasi selengkapnya tentang teori nilai ekstrem, lihat artikel ini di Wikipedia: Teorema Fisher-Tippet-Gnedenko.

Untuk menghitung, pilih GeneralizedExtremeValues, dan atur opsi berikut:

  • Bentuk
    Ketik nilai untuk mengubah bentuk distribusi.

    Parameter bentuk adalah parameter distribusi probabilitas apa pun yang tidak menentukan lokasi atau skalanya. Oleh karena itu, saat Anda memasukkan nilai untuk bentuk, parameter mengubah bentuk distribusi daripada memindahkan, meregangkan, atau menyusutkannya.

    Nilai harus berupa angka (double). Defaultnya adalah 1.0.

  • Skala
    Ketik nilai yang akan digunakan untuk menskalakan distribusi.

    Dengan menerapkan nilai skala ke distribusi, Anda dapat menyusutkan atau meregangkannya.

    Nilai defaultnya adalah 1,0. Nilai harus berupa angka positif.

  • Lokasi
    Ketik angka (double) yang mewakili lokasi elemenke-0 .

    Dengan mengetikkan nilai untuk parameter Lokasi , Anda dapat menggeser distribusi probabilitas ke atas atau ke bawah skala numerik.

    Nilai defaultnya adalah 0,0.

Geometris

Distribusi geometrik adalah distribusi atas bilangan bulat positif yang diparameterkan oleh satu angka riil positif.

Untuk menghitung, pilih Geometrik, dan atur opsi berikut:

  • Probabilitas keberhasilan
    Ketik angka (float) antara 0,0 dan 1,0 yang menunjukkan probabilitas keberhasilan. Defaultnya adalah .5.

Catatan

Implementasi distribusi geometrik ini tidak menghasilkan nol.

GumbelMax

Distribusi Gumbel adalah salah satu dari beberapa distribusi nilai ekstrem. Opsi GumbelMax mengimplementasikan distribusi Maximum Extreme Value Type 1.

Untuk menghitung, pilih GumbelMax, dan atur opsi berikut:

  • Skala
    Ketik nilai yang akan digunakan untuk menskalakan distribusi.

    Dengan menerapkan nilai skala ke distribusi, Anda dapat menyusutkan atau meregangkannya.

    Nilai defaultnya adalah 1,0. Nilai harus berupa angka positif.

  • Lokasi
    Ketik angka (double) yang mewakili lokasi elemenke-0 .

    Dengan mengetikkan nilai untuk parameter Lokasi , Anda dapat menggeser distribusi probabilitas ke atas atau ke bawah skala numerik.

    Nilai defaultnya adalah 0,0.

GumbelMin

Distribusi Gumbel adalah salah satu dari beberapa distribusi nilai ekstrem. Distribusi Gumbel juga disebut sebagai distribusi Smallest Extreme Value (SEV) atau distribusi Smallest Extreme Value (Tipe I). Opsi GumbelMin mengimplementasikan distribusi Minimum Extreme Value Type 1.

Untuk menghitung, pilih GumbelMin, dan harus mengatur opsi berikut:

  • Skala
    Ketik nilai yang akan digunakan untuk menskalakan distribusi.

    Dengan menerapkan nilai skala ke distribusi, Anda dapat menyusutkan atau meregangkannya.

    Nilai defaultnya adalah 1,0. Nilai harus berupa angka positif.

  • Lokasi
    Ketik angka (double) yang mewakili lokasi elemenke-0 .

    Dengan mengetikkan nilai untuk parameter Lokasi , Anda dapat menggeser distribusi probabilitas ke atas atau ke bawah skala numerik.

    Nilai defaultnya adalah 0,0.

Hipergeometrik

Distribusi hipergeometrik adalah distribusi probabilitas diskrit yang menjelaskan jumlah keberhasilan dalam urutan n menarik dari populasi terbatas tanpa penggantian, sama seperti distribusi binomial menggambarkan jumlah keberhasilan untuk gambar dengan penggantian.

Untuk menghitung, pilih Hypergeometric, dan atur opsi berikut:

  • Jumlah sampel
    Ketik bilangan bulat yang menunjukkan jumlah sampel yang akan digunakan. Defaultnya adalah 9.

  • Jumlah keberhasilan
    Ketik bilangan bulat yang menentukan nilai untuk keberhasilan. Defaultnya adalah 24.

  • Ukuran populasi
    Tentukan ukuran populasi yang akan digunakan saat memperkirakan distribusi hipergeometrik.

Laplace

Distribusi Laplace adalah distribusi atas angka riil, diparameterkan dengan rata-rata dan dengan parameter skala.

Untuk menghitung, pilih Distribusi laplace , dan atur opsi berikut:

  • Skala
    Ketik nilai yang akan digunakan untuk menskalakan distribusi.

    Dengan menerapkan nilai skala ke distribusi, Anda dapat menyusutkan atau meregangkannya.

    Nilai defaultnya adalah 1,0. Nilai harus berupa angka positif.

  • Lokasi
    Ketik angka (double) yang mewakili lokasi elemenke-0 .

    Dengan mengetikkan nilai untuk parameter Lokasi , Anda dapat menggeser distribusi probabilitas ke atas atau ke bawah skala numerik.

    Nilai defaultnya adalah 0,0.

Logistik

Distribusi logistik mirip dengan distribusi normal, tetapi tidak memiliki batasan di sisi kiri distribusi. Distribusi logistik digunakan dalam regresi logistik dan model jaringan neural dan untuk pemodelan data ilmu kehidupan.

Untuk menghitung, pilih Logistik, dan atur opsi berikut:

  • Skala
    Ketik nilai yang akan digunakan untuk menskalakan distribusi.

    Dengan menerapkan nilai skala ke distribusi, Anda dapat menyusutkan atau meregangkannya.

    Nilai defaultnya adalah 1,0. Nilai harus berupa angka positif.

  • Rata-rata
    Ketik angka (double)yang menunjukkan perkiraan nilai rata-rata distribusi. Nilai defaultnya adalah 0,0.

Lognormal

Distribusi lognormal adalah distribusi univariat berkelanjutan.

Untuk menghitung, pilih Lognormal, dan atur opsi berikut:

  • Rata-rata
    Ketik angka (double) yang menunjukkan perkiraan nilai rata-rata distribusi. Nilai defaultnya adalah 0,0.

  • Simpang-simpang standar
    Ketik angka positif (double) yang menunjukkan perkiraan simpang siur standar distribusi. Defaultnya adalah 1.0.

NegatifBinomial

Distribusi binomial negatif adalah distribusi atas angka alami dengan dua parameter (r, p). Dalam kasus khusus yang r merupakan bilangan bulat, Anda dapat menginterpretasikan distribusi sebagai jumlah ekor sebelum kepala rth ketika probabilitas kepala adalah p.

Untuk menghitung, pilih NegatifBinomial, dan atur opsi berikut:

  • Probabilitas keberhasilan
    Ketik angka (float) antara 0,0 dan 1,0 yang menunjukkan probabilitas keberhasilan. Defaultnya adalah .5.

  • Jumlah keberhasilan
    Ketik bilangan bulat yang menentukan nilai untuk keberhasilan. Defaultnya adalah 24.

Normal

Distribusi normal juga dikenal sebagai distribusi Gaussian.

Untuk menghitung, pilih Normal, dan atur opsi berikut:

  • Rata-rata
    Ketik angka (double) yang menunjukkan perkiraan nilai rata-rata distribusi. Nilai defaultnya adalah 0,0.

  • Simpantan baku
    Ketik angka positif (double) yang menunjukkan perkiraan simpang siur standar distribusi. Defaultnya adalah 1.0.

Pareto

Distribusi Pareto adalah distribusi probabilitas hukum kekuasaan yang bertepatan dengan sosial, ilmiah, geofisika, aktuarial, dan banyak jenis fenomena lain yang dapat diamati.

Untuk menghitung, pilih Pareto, dan atur opsi berikut:

  • Bentuk
    Ketik nilai (opsional) untuk mengubah bentuk distribusi.

    Parameter bentuk adalah parameter distribusi probabilitas apa pun yang tidak menentukan lokasi atau skalanya. Oleh karena itu, saat Anda memasukkan nilai untuk bentuk, parameter mengubah bentuk distribusi daripada memindahkan, meregangkan, atau menyusutkannya.

    Nilai harus berupa angka (double). Defaultnya adalah 1.0.

  • Skala
    Ketik nilai (opsional) untuk mengubah skala distribusi. Dengan menerapkan nilai skala ke distribusi, Anda dapat menyusutkan atau meregangkannya.

    Nilai harus berupa angka (double). Defaultnya adalah 1.0.

Poisson

Dalam implementasi ini, metode Knuth digunakan untuk menghasilkan variabel acak terdistribusi Poisson. Untuk informasi selengkapnya tentang distribusi Poisson, lihat Regresi Poisson.

Untuk menghitung, pilih Poisson, dan atur opsi berikut:

  • Rata-rata
    Ketik angka (double) yang menunjukkan perkiraan nilai rata-rata distribusi. Nilai defaultnya adalah 0,0.

Rayleigh

Distribusi Rayleigh adalah distribusi probabilitas berkelanjutan. Sebagai contoh bagaimana timbul, kecepatan angin akan memiliki distribusi Rayleigh jika komponen vektor kecepatan angin dua dimensi tidak terkait dan biasanya didistribusikan dengan varians yang sama.

Untuk menghitung, pilih Rayleigh, dan atur opsi berikut:

  • Batas bawah
    Ketik angka (double) yang menunjukkan batas bawah distribusi. Nilai defaultnya adalah 0,0.

StandardNormal

Opsi ini menyediakan distribusi normal standar, tanpa parameter lain.

Untuk menghitung, pilih StandardNormal, dan pilih kolom.

TStudent

Opsi ini mengimplementasikan distribusi-t Univariat Student.

Untuk menghitung, pilih TStudent, dan atur opsi berikut:

  • Jumlah derajat kebebasan
    Ketik angka (double) untuk menentukan tingkat kebebasan. Defaultnya adalah 1.0.

TStudentRightTailed

Menerapkan distribusi-t Univariat Student dengan menggunakan satu ekor kanan.

Untuk menghitung, pilih TStudentRightTailed, dan atur opsi berikut:

  • Jumlah derajat kebebasan
    Ketik angka (double) untuk menentukan tingkat kebebasan. Defaultnya adalah 1.0.

TStudentTwoTailed

Mengimplementasikan distribusi-t Siswa dua-ekor.

Untuk menghitung, pilih TStudentTwoTailed, dan atur opsi berikut:

  • Jumlah derajat kebebasan
    Ketik angka (double) untuk menentukan tingkat kebebasan. Defaultnya adalah 1.0.

Seragam

Distribusi seragam juga dikenal sebagai distribusi persegi panjang.

Untuk menghitung, pilih Seragam, dan atur opsi berikut:

  • Batas bawah
    Ketik angka (double) yang menunjukkan batas bawah distribusi. Nilai defaultnya adalah 0,0.

  • Batas atas
    Ketik angka (double) yang menunjukkan batas atas distribusi. Defaultnya adalah 1.0.

Weibull

Distribusi Weibull banyak digunakan dalam rekayasa keandalan. Anda dapat menggunakan parameter Bentuknya untuk memodelkan banyak distribusi lainnya.

Untuk menghitung, pilih Weibull, dan atur opsi berikut:

  • Bentuk
    Ketik nilai (opsional) untuk mengubah bentuk distribusi.

    Parameter bentuk adalah parameter distribusi probabilitas apa pun yang tidak menentukan lokasi atau skalanya. Oleh karena itu, saat Anda memasukkan nilai untuk bentuk, parameter mengubah bentuk distribusi daripada memindahkan, meregangkan, atau menyusutkannya.

    Nilai harus berupa angka (double). Defaultnya adalah 1.0.

  • Skala
    Ketik nilai (opsional) untuk mengubah skala distribusi. Dengan menerapkan nilai skala ke distribusi, Anda dapat menyusutkan atau meregangkannya.

    Nilai harus berupa angka (double). Defaultnya adalah 1.0.

Catatan teknis

Bagian ini berisi detail implementasi, tips, dan jawaban atas pertanyaan yang sering diajukan.

Detail implementasi

Modul ini mendukung semua distribusi yang disediakan di pustaka sumber terbuka MATH.NET Numerik. Untuk informasi selengkapnya, lihat dokumentasi untuk pustaka Math.Net.Numerics.Distribution .

Distribusi ekor kanan dan dua arah muncul sebagai distribusi terpisah, bukan sebagai versi parameter distribusi dasar. Perilaku saat ini adalah mempertahankan kompatibilitas dengan Excel.

Definisi

Modul ini mendukung perhitungan salah satu nilai ini untuk distribusi yang ditentukan:

  • cdf, atau fungsi distribusi kumulatif

    Mengembalikan probabilitas untuk peristiwa campuran, yang didefinisikan sebagai jumlah ocurrences ketika variabel acak mengambil nilai yang lebih kecil dari beberapa nilai tertentu x.

    Dengan kata lain, ia menjawab pertanyaan: "Seberapa umum sampel yang kurang dari atau sama dengan nilai ini?"

    Fungsi ini dapat digunakan dengan variabel numerik berkelanjutan dan diskrit.

  • InverseCdf, atau fungsi distribusi kumulatif terbalik

    Mengembalikan nilai yang terkait dengan nilai probabilitas kumulatif tertentu (cdf).

    Dengan kata lain, ia menjawab pertanyaan: "Apa nilai x di mana fungsi cdf mengembalikan probabilitas kumulatif y?"

  • pdf, atau fungsi kerapatan probabilitas

    Menjelaskan kemungkinan relatif untuk variabel acak menjadi nilai tertentu.

    Dengan kata lain, ia menjawab pertanyaan: "Seberapa umum sampel pada nilai ini?"

Input yang diharapkan

Nama Jenis Deskripsi
Himpunan Data Tabel Data Himpunan data input

Parameter modul

Nama Rentang Jenis Default Deskripsi
Distribusi Apa pun ProbabilityDistribution StandardNormal Pilih jenis distribusi probabilitas yang akan dihasilkan.
Metode Apa pun ProbabilityDistributionMethod Cdf Pilih metode yang akan digunakan saat menghitung distribusi probabilitas yang dipilih.

Opsinya adalah fungsi distribusi kumulatif (cdf), fungsi distribusi kumulatif terbalik (InverseCdf), dan fungsi kepadatan probabilitas atau fungsi massa (pdf).
Metode distribusi binomial negatif Apa pun ProbabilityDistributionMethodForNegativeBinomial Cdf Jika Anda memilih distribusi binomial negatif, tentukan metode yang digunakan untuk mengevaluasi distribusi.
Probabilitas keberhasilan [0.0;1.0] Float 0,5 Ketik nilai yang akan digunakan sebagai probabilitas keberhasilan.
Bentuk Apa pun Float 1,0 Ketik nilai yang memodifikasi bentuk distribusi.
Skala >=0.0 Float 1,0 Ketik nilai yang mengubah skala distribusi untuk memperluas atau menyusutkannya dalam ukuran.
Jumlah percobaan >=1 Bilangan bulat 3 Tentukan jumlah uji coba.
Batas bawah Apa pun Float 0.0 Ketik angka yang akan digunakan sebagai batas bawah distribusi
Batas atas Apa pun Float 1,0 Ketik angka yang akan digunakan sebagai batas atas distribusi
Lokasi Apa pun Float 0.0 Ketik lokasi elemen nol dalam distribusi.
Jumlah derajat kebebasan Apa pun Float 1,0 Tentukan jumlah derajat kebebasan.
Tingkat kebebasan pembiasa Apa pun Float 3.0 Tentukan jumlah derajat kebebasan dalam pembiasa.
Tingkat kebebasan denominator Apa pun Float 6.0 Tentukan jumlah derajat kebebasan dalam penyebut.
Lambda >=0.0 Float 1,0 Tentukan nilai untuk parameter Lambda.
Jumlah sampel Apa pun Bilangan bulat 9 Tentukan jumlah sampel.
Jumlah keberhasilan Apa pun Bilangan bulat 24 Ketik nilai yang akan digunakan sebagai jumlah keberhasilan.
Ukuran populasi Apa pun Bilangan bulat 52 Tentukan ukuran populasi.
Rerata Apa pun Float 0.0 Ketik perkiraan nilai rata-rata.
Simpangan baku >=0.0 Float 1,0 Ketik estimasi simpang siur standar.
Kumpulan kolom Apa pun ColumnSelection Pilih kolom untuk menghitung distribusi probabilitas.
Mode hasil Apa pun OutputTo ResultOnly Tentukan bagaimana hasilnya akan disimpan dalam himpunan data output. Opsinya adalah menambahkan kolom baru, mengganti kolom yang sudah ada, atau hanya menghasilkan hasilnya.

Output

Nama Jenis Deskripsi
Himpunan data hasil Tabel Data Himpunan data output

Pengecualian

Untuk daftar lengkap pesan kesalahan, lihat Kode Kesalahan Modul.

Pengecualian Deskripsi
Kesalahan 0017 Pengecualian terjadi jika satu atau beberapa kolom yang ditentukan memiliki jenis yang tidak didukung oleh modul saat ini.

Untuk daftar kesalahan khusus untuk modul Studio (klasik), lihat kode Kesalahan Pembelajaran Mesin.

Untuk daftar pengecualian API, lihat Pembelajaran Mesin Kode Kesalahan REST API.

Lihat juga

Fungsi statistik
Daftar Modul A-Z

  • Last updated on