Aracılığıyla paylaş

Olasılık İşlevi Değerlendirme

  • Makale

Önemli

Machine Learning Stüdyosu (klasik) desteği 31 Ağustos 2024'te sona erecektir. Bu tarihe kadar Azure Machine Learning'e geçmenizi öneririz.

1 Aralık 2021'den başlayarak artık yeni Machine Learning Stüdyosu (klasik) kaynakları oluşturamayacaksınız. 31 Ağustos 2024'e kadar mevcut Machine Learning Stüdyosu (klasik) kaynaklarını kullanmaya devam edebilirsiniz.

ML Stüdyosu (klasik) belgeleri kullanımdan kaldırılacak ve gelecekte güncelleştirilmeyecektir.

Belirtilen olasılık dağılımı işlevini bir veri kümesine sığdırıyor

Kategori: İstatistiksel İşlevler

Not

Şunlar için geçerlidir: yalnızca Machine Learning Studio (klasik)

Benzer sürükle ve bırak modülleri de Azure Machine Learning tasarımcısında kullanılabilir.

Modüle genel bakış

Bu makalede, Bernoulli, Pareto veya Poisson dağılımları gibi bir sütunun dağılımını açıklayan istatistiksel ölçüleri hesaplamak için Machine Learning Studio'da (klasik) Olasılık İşlevini Değerlendirme modülünün nasıl kullanılacağı açıklanır.

Bu modeli kullanmak için en az bir sayısal değer sütunu içeren bir veri kümesini bağlayın ve test etmek için bir olasılık dağılımı seçin. Modül, belirtilen olasılık işlevindeki değerleri içeren bir veri tablosu döndürür.

Seçilen olasılık dağılımı için şu değerlerden herhangi birini hesaplayabilirsiniz:

  • kümülatif dağılım işlevi (cdf)
  • ters kümülatif dağılım işlevi (InverseCdf)
  • olasılık yoğunluğu işlevi (Pdf)

Olasılık dağılımı neden yararlıdır?

Verilerinizi bir olasılık dağılımına göre değerlendirirken, sütun değerlerini bilinen özelliklere sahip bir değer kümesiyle eşlersiniz. Verilerinizin bu iyi bilinen dağıtımlardan birine karşılık olup olmadığını bilerek verilerinizin diğer özelliklerini çıkarabilirsiniz. Genel olarak, verilere en uygun dağıtımı tanımlayabileceğiniz bir modelden daha iyi tahminler elde edebilirsiniz.

Hangi olasılık dağılımı işlevinin kullanılacağı sorusu, ölçülen verilere ve değişkenlere bağlıdır. Örneğin, bazı dağılımlar ayrık değerlerin olasılıklarını açıklamak için tasarlanmıştır; diğerleri yalnızca sürekli sayısal değişkenlerle kullanılmak üzere tasarlanmıştır. Bazı dağıtımlar için beklenen ortalamayı, serbestlik derecelerini vb. önceden bilmeniz gerekir. Ayrıntılar için bkz . Desteklenen Olasılık Dağılımları

Değerlendirme Olasılık İşlevi'nin yapılandırılması

  • Tüm seçenekler, hesaplamak istediğiniz olasılık dağılımının türüne bağlı olarak değişir. Olasılık dağılımı yöntemini değiştirirseniz, yapmış olabileceğiniz diğer seçimler sıfırlanır.

    Bu nedenle, önce Dağıtım seçeneğini belirlediğinizden emin olun!

  • Giriş olarak kullanılan veri kümesi sayısal veriler içermelidir. Diğer veri türleri yoksayılır.

  • Her analiz için tek bir olasılık dağılımı yöntemi uygulayabilirsiniz. Farklı bir olasılık dağılımını hesaplamak için, test etmek istediğiniz her dağıtım için modülün ayrı bir örneğini ekleyin.

  1. Denemenize Olasılık İşlevini Değerlendirme modülünü ekleyin. Bu modülü Machine Learning Studio'daki İstatistiksel İşlevler kategorisinde (klasik) bulabilirsiniz.

  2. En az bir sayı sütunu içeren bir veri kümesi Bağlan.

  3. Hesaplamak istediğiniz olasılık dağılımı türünü seçmek için Dağıtım seçeneğini kullanın. Seçeneklerin ve bunların gerekli bağımsız değişkenlerinin listesi için bkz. Desteklenen Olasılık Dağılımları .

  4. Dağıtımın gerektirdiği parametreleri ayarlayın.

  5. Oluşturulacak üç istatistik arasından birini seçin: kümülatif dağılım işlevi (cdf), ters kümülatif dağılım işlevi (InverseCdf) veya Olasılık yoğunluğu işlevi (pdf).

    Tanımlar için Teknik notlar bölümüne bakın.

  6. Seçilen olasılık dağılımının hesaplandığı sütunları seçmek için sütun seçiciyi kullanın.

    • Seçtiğiniz tüm sütunların sayısal veri türü olmalıdır.

    • Seçilen olasılık işlevine göre sütundaki veri aralığı da geçerli olmalıdır. Aksi takdirde bir hata veya NaN sonucu oluşabilir.

    • Seyrek sütunlar için arka plan sıfırlarına karşılık gelen değerler işlenmez.

  7. Sonuçların nasıl çıkış yapılacağını belirtmek için Sonuç modu seçeneğini kullanın. Sütun değerlerini olasılık dağılımı değerleriyle değiştirebilir, yeni değerleri veri kümesine ekleyebilir veya yalnızca olasılık dağılımı değerlerini döndürebilirsiniz.

  8. Denemeyi çalıştırın veya Olasılık İşlevini Değerlendir modülüne sağ tıklayın ve Seçili çalıştır'a tıklayın.

Sonuçlar

Aşağıdaki tabloda, Orman Yangınları örnek veri kümesindeki tek bir sıcaklık sütununda Ekleme seçeneğinin kullanıldığı bir sonuç örneği yer almaktadır.

temp StandardNormal.Cdf(temp) StandardNormal.Pdf(geçici) 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

Oluşturulan sütunların başlıkları, kullanılan olasılık dağılımını içerir.

Verilerinize hangi olasılık dağılımının uygun olduğundan emin değilseniz, herhangi bir sayısal sütun için hızlı bir kümülatif dağılım ve olasılık yoğunluğu grafiği oluşturabilirsiniz.

  1. Veri kümesine veya modül çıkışına sağ tıklayın ve Görselleştir'i seçin.
  2. İlgi çekici sütunu seçin ve Histogram bölmesinde kümülatif dağılım veya olasılık yoğunluğu'na tıklayın.
  3. Aşağıdaki gibi dağılımın grafiği, verileri temsil eden histogramın üzerine eklenir.

aml_histogram_cdf_pdf_chart

Desteklenen olasılık dağılımları

Olasılık İşlevini Değerlendir modülü aşağıdaki dağıtımları destekler:

Bernoulli

Bernoulli dağılımı ikili değerlere göre bir dağılımdır: başka bir deyişle, yalnızca iki değer mümkün olduğunda beklenen dağılımı modeller.

Hesaplamak için Bernoulli'yi seçin ve aşağıdaki seçenekleri ayarlayın:

  • Başarı olasılığı
    p parametresi 1'in oluşturulma olasılığını belirtir. Başarı olasılığını belirten 0,0 ile 1,0 arasında bir sayı (float) yazın. Varsayılan değer 0,5'tir.

Beta

Beta dağılımı sürekli tek değişkenli bir dağılımdır.

Hesaplamak için Beta'yı seçin ve aşağıdaki seçenekleri ayarlayın:

  • Şekil
    Dağılımın şeklini değiştirmek için bir değer yazın.

    Şekil parametresi, bir olasılık dağılımının konumunu veya ölçeğini tanımlamayan herhangi bir parametresidir. Bu nedenle, şekil için bir değer girdiğinizde parametre, dağılımı taşımak, uzatmak veya küçültmek yerine dağılımın şeklini değiştirir.

    Değer bir sayı (double) olmalıdır. Varsayılan değer 1.0'dır.

  • Ölçeklendirme
    Dağıtımı ölçeklendirmek için kullanılacak bir sayı yazın.

    Dağıtıma bir ölçek değeri uygulayarak, daraltabilir veya genişletebilirsiniz.

    Varsayılan değer 1,0'dır. Değerler pozitif sayılar olmalıdır.

  • Üst sınır
    Dağılımın üst sınırlarını temsil eden bir sayı (double) yazın. Varsayılan değer 1.0'dır.

  • Alt sınır
    Dağılımın alt sınırlarını temsil eden bir sayı (double) yazın. Varsayılan değer 0,0'dır.

Binom

Binom dağılımı ayrık tek değişkenli bir dağılımdır. Binom dağılımı, bir örnekteki başarı sayısını modellemek için kullanılır. Örnekleme sırasında değiştirme kullanılır. Değiştirme olmadan örnekleme için Hipergeometrik dağılımı kullanın.

Hesaplamak için Binomal'ı seçin ve aşağıdaki seçenekleri ayarlayın:

  • Başarı olasılığı
    Başarı olasılığını gösteren 0,0 ile 1,0 arasında bir sayı (float) yazın. Varsayılan değer 0,5'tir.

  • Deneme sayısı
    Deneme sayısını belirtin.

    En düşük değeri 1 olan bir integerkullanın. Varsayılan değer 3'dür.

Cauchy

Cauchy dağılımı simetrik sürekli olasılık dağılımıdır.

Hesaplamak için Cauchy'yi seçin ve aşağıdaki seçenekleri ayarlayın:

  • Konum
    0. öğenin konumunu temsil eden bir sayı (double) yazın.

    Location parametresi için bir değer belirterek olasılık dağılımını sayısal bir ölçeği yukarı veya aşağı kaydırabilirsiniz.

    Varsayılan değer 0,0'dır.

ChiSquare

Kikare dağılımı k bağımsız, standart, normal, rastgele değişkenlerin karelerinin toplamıdır.

Hesaplamak için ChiSquare'i seçin ve aşağıdaki seçenekleri ayarlayın:

  • Serbestlik derecesi sayısı Serbestlik derecesini belirtmek için bir sayı (double) yazın. Varsayılan değer 1.0'dır.

ChiSquareRightTailed

Bu seçenek, sağ kuyruklu kikare dağılımı sağlar.

Hesaplamak için ChiSquareRightTailed öğesini seçin ve aşağıdaki seçenekleri ayarlayın:

  • Serbestlik derecesi sayısı
    Serbestlik derecesini belirtmek için bir sayı (double) yazın. Varsayılan değer 1.0'dır.

Üstel

Üstel dağılım, negatif olmayan bir parametreyle parametrelendirilen gerçek sayılar üzerindeki bir dağılımdır.

Hesaplamak için Üstel'i seçin ve aşağıdaki seçenekleri ayarlayın:

  • Lambda
    Lambda parametresi olarak kullanılacak bir sayı (double) yazın. Varsayılan değer 1.0'dır.

FFisher

Fisher F dağılımı olarak da bilinen bir örnek için Fisher istatistiğinin olasılığını oluşturur. Bu dağılım iki kuyrukludur.

Hesaplamak için FFisher'ı seçin ve aşağıdaki seçenekleri ayarlayın:

  • Pay serbestlik derecesi
    Payda kullanılan serbestlik derecesini belirtmek için bir sayı (double) yazın. Varsayılan değer 3.0'dır.

  • Payda serbestlik derecesi
    Paydada kullanılan serbestlik derecesini belirtmek için bir sayı (double) yazın. Varsayılan değer 6.0'dır.

FFisherRightTailed

Sağ kuyruklu Fisher dağılımı oluşturur. Fisher dağılımı Fisher F dağılımı, Snedecor dağılımı veya Fisher-Snedecor dağılımı olarak da bilinir. Dağılımın bu özel biçimi sağ kuyrukludur.

Hesaplamak için FFisherRightTailed öğesini seçin ve aşağıdaki seçenekleri ayarlayın:

  • Pay serbestlik derecesi
    Payda kullanılan serbestlik derecesini belirtmek için bir sayı (double) yazın. Varsayılan değer 3.0'dır.

  • Payda serbestlik derecesi
    Paydada kullanılan serbestlik derecesini belirtmek için bir sayı (double) yazın. Varsayılan değer 6.0'dır.

Gama

Gama dağılımı, iki parametreli sürekli olasılık dağılımları ailesidir. Örneğin, kikare gama dağılımının özel bir örneğidir.

Hesaplamak için Gama'yı seçin ve aşağıdaki seçenekleri ayarlayın:

  • Ölçeklendirme
    Dağıtımı ölçeklendirmek için kullanılacak değeri yazın.

    Dağıtıma bir ölçek değeri uygulayarak, daraltabilir veya genişletebilirsiniz.

    Varsayılan değer 1,0'dır. Değerler pozitif sayılar olmalıdır.

  • Konum
    0. öğenin konumunu temsil eden bir sayı (double) yazın.

    Location parametresi için bir değer belirterek olasılık dağılımını sayısal bir ölçeği yukarı veya aşağı kaydırabilirsiniz.

    Varsayılan değer 0,0'dır.

GeneralizedExtremeValues

Aşırı değerleri işlemek için geliştirilmiş bir dağıtım oluşturur. Genelleştirilmiş aşırı değer (GEV) dağılımı aslında Gumbel, Fréchet ve Weibull dağılımlarını (tip I, II ve III aşırı değer dağılımları olarak da bilinir) birleştiren bir grup sürekli olasılık dağılımıdır.

Aşırı değer teorisi hakkında daha fazla bilgi için Wikipedia'daki şu makaleye bakın: Fisher-Tippet-Gnedenko teorem.

Hesaplamak için GeneralizedExtremeValues öğesini seçin ve aşağıdaki seçenekleri ayarlayın:

  • Şekil
    Dağılımın şeklini değiştirmek için bir değer yazın.

    Şekil parametresi, bir olasılık dağılımının konumunu veya ölçeğini tanımlamayan herhangi bir parametresidir. Bu nedenle, şekil için bir değer girdiğinizde parametre, dağılımı taşımak, uzatmak veya küçültmek yerine dağılımın şeklini değiştirir.

    Değer bir sayı (double) olmalıdır. Varsayılan değer 1.0'dır.

  • Ölçeklendirme
    Dağıtımı ölçeklendirmek için kullanılacak değeri yazın.

    Dağıtıma bir ölçek değeri uygulayarak, daraltabilir veya genişletebilirsiniz.

    Varsayılan değer 1,0'dır. Değerler pozitif sayılar olmalıdır.

  • Konum
    0. öğenin konumunu temsil eden bir sayı (double) yazın.

    Location parametresi için bir değer yazarak olasılık dağılımını sayısal bir ölçeği yukarı veya aşağı kaydırabilirsiniz.

    Varsayılan değer 0,0'dır.

Geometrik

Geometrik dağılım, pozitif bir gerçek sayı ile parametrelendirilen pozitif tamsayılar üzerindeki bir dağılımdır.

Hesaplamak için Geometrik'i seçin ve aşağıdaki seçenekleri ayarlayın:

  • Başarı olasılığı
    Başarı olasılığını gösteren 0,0 ile 1,0 arasında bir sayı (float) yazın. Varsayılan değer 0,5'tir.

Not

Geometrik dağılımın bu uygulaması sıfır oluşturmaz.

GumbelMax

Gumbel dağılımı, çeşitli uç değer dağılımlarından biridir. GumbelMax seçeneği Maksimum Aşırı Değer Türü 1 dağılımını uygular.

Hesaplamak için GumbelMax'ı seçin ve aşağıdaki seçenekleri ayarlayın:

  • Ölçeklendirme
    Dağıtımı ölçeklendirmek için kullanılacak değeri yazın.

    Dağıtıma bir ölçek değeri uygulayarak, daraltabilir veya genişletebilirsiniz.

    Varsayılan değer 1,0'dır. Değerler pozitif sayılar olmalıdır.

  • Konum
    0. öğenin konumunu temsil eden bir sayı (double) yazın.

    Location parametresi için bir değer yazarak olasılık dağılımını sayısal bir ölçeği yukarı veya aşağı kaydırabilirsiniz.

    Varsayılan değer 0,0'dır.

GumbelMin

Gumbel dağılımı, çeşitli uç değer dağılımlarından biridir. Gumbel dağılımı, En Küçük Aşırı Değer (SEV) dağılımı veya En Küçük Aşırı Değer (Tür I) dağılımı olarak da adlandırılır. GumbelMin seçeneği Minimum Aşırı Değer Türü 1 dağılımını uygular.

Hesaplamak için GumbelMin'i seçin ve aşağıdaki seçenekleri ayarlamanız gerekir:

  • Ölçeklendirme
    Dağıtımı ölçeklendirmek için kullanılacak değeri yazın.

    Dağıtıma bir ölçek değeri uygulayarak, daraltabilir veya genişletebilirsiniz.

    Varsayılan değer 1,0'dır. Değerler pozitif sayılar olmalıdır.

  • Konum
    0. öğenin konumunu temsil eden bir sayı (double) yazın.

    Location parametresi için bir değer yazarak olasılık dağılımını sayısal bir ölçeği yukarı veya aşağı kaydırabilirsiniz.

    Varsayılan değer 0,0'dır.

Hipergeometrik

Hipergeometrik dağılım, tıpkı binom dağılımının değiştirmeli çizimlerin başarı sayısını açıklediği gibi, değiştirme olmadan sonlu bir popülasyondan n çekiliş dizisindeki başarı sayısını açıklayan ayrık bir olasılık dağılımıdır.

Hesaplamak için Hipergeometrik'i seçin ve aşağıdaki seçenekleri ayarlayın:

  • Number of samples
    Kullanılacak örneklerin sayısını gösteren bir tamsayı yazın. Varsayılan değer 9'dur.

  • Başarı sayısı
    Başarı değerini tanımlayan bir tamsayı yazın. Varsayılan değer 24'dür.

  • Popülasyon boyutu
    Hipergeometrik dağılımı tahmin ederken kullanılacak popülasyon boyutunu belirtin.

Laplace

Laplace dağılımı, gerçek sayılar üzerindeki bir dağılımdır ve ortalama ve ölçek parametresiyle parametrelenir.

Hesaplamak için Laplace dağılımı'nı seçin ve aşağıdaki seçenekleri ayarlayın:

  • Ölçeklendirme
    Dağıtımı ölçeklendirmek için kullanılacak değeri yazın.

    Dağıtıma bir ölçek değeri uygulayarak, daraltabilir veya genişletebilirsiniz.

    Varsayılan değer 1,0'dır. Değerler pozitif sayılar olmalıdır.

  • Konum
    0. öğenin konumunu temsil eden bir sayı (double) yazın.

    Location parametresi için bir değer yazarak olasılık dağılımını sayısal bir ölçeği yukarı veya aşağı kaydırabilirsiniz.

    Varsayılan değer 0,0'dır.

Lojistik

Lojistik dağılım normal dağılıma benzer, ancak dağılımın sol tarafında bir sınırı yoktur. Lojistik dağılım lojistik regresyon ve sinir ağı modellerinde ve yaşam bilimi verilerini modellemek için kullanılır.

Hesaplamak için Lojistik'i seçin ve aşağıdaki seçenekleri ayarlayın:

  • Ölçeklendirme
    Dağıtımı ölçeklendirmek için kullanılacak değeri yazın.

    Dağıtıma bir ölçek değeri uygulayarak, daraltabilir veya genişletebilirsiniz.

    Varsayılan değer 1,0'dır. Değerler pozitif sayılar olmalıdır.

  • Demek
    Dağılımın tahmini ortalama değerini gösteren bir sayı (double) yazın. Varsayılan değer 0,0'dır.

Lognormal

Lognormal dağılım sürekli tek değişkenli bir dağılımdır.

Hesaplamak için Lognormal'i seçin ve aşağıdaki seçenekleri ayarlayın:

  • Demek
    Dağılımın tahmini ortalama değerini gösteren bir sayı (double) yazın. Varsayılan değer 0,0'dır.

  • Standart sapma
    Dağılımın tahmini standart sapması gösteren pozitif bir sayı (double) yazın. Varsayılan değer 1.0'dır.

NegativeBinomial

Negatif binom dağılımı, iki parametreli (r, p) doğal sayılar üzerindeki bir dağılımdır. Tamsayı olan r özel durumda, başın olasılığı p olduğunda dağılımı r. baş öncesinde kuyruk sayısı olarak yorumlayabilirsiniz.

Hesaplamak için NegativeBinomial öğesini seçin ve aşağıdaki seçenekleri ayarlayın:

  • Başarı olasılığı
    Başarı olasılığını gösteren 0,0 ile 1,0 arasında bir sayı (float) yazın. Varsayılan değer 0,5'tir.

  • Başarı sayısı
    Başarı değerini belirten bir tamsayı yazın. Varsayılan değer 24'dür.

Normal

Normal dağılım Gauss dağılımı olarak da bilinir.

Hesaplamak için Normal'i seçin ve aşağıdaki seçenekleri ayarlayın:

  • Demek
    Dağılımın tahmini ortalama değerini gösteren bir sayı (double) yazın. Varsayılan değer 0,0'dır.

  • Standart sapma
    Dağılımın tahmini standart sapması gösteren pozitif bir sayı (double) yazın. Varsayılan değer 1.0'dır.

Pareto

Pareto dağılımı sosyal, bilimsel, jeofiziksel, aktüeryal ve gözlemlenebilir olayların diğer birçok türüyle çakışan bir güç-hukuk olasılık dağılımıdır.

Hesaplamak için Pareto'yı seçin ve aşağıdaki seçenekleri ayarlayın:

  • Şekil
    Dağılımın şeklini değiştirmek için bir değer (isteğe bağlı) yazın.

    Şekil parametresi, bir olasılık dağılımının konumunu veya ölçeğini tanımlamayan herhangi bir parametresidir. Bu nedenle, şekil için bir değer girdiğinizde parametre, dağılımı taşımak, uzatmak veya küçültmek yerine dağılımın şeklini değiştirir.

    Değer bir sayı (double) olmalıdır. Varsayılan değer 1.0'dır.

  • Ölçeklendirme
    Dağıtımın ölçeğini değiştirmek için bir değer (isteğe bağlı) yazın. Dağıtıma bir ölçek değeri uygulayarak, daraltabilir veya genişletebilirsiniz.

    Değer bir sayı (double) olmalıdır. Varsayılan değer 1.0'dır.

Poisson

Bu uygulamada, Poisson dağıtılmış rastgele değişkenleri oluşturmak için Knuth'un yöntemi kullanılır. Poisson dağıtımı hakkında daha fazla bilgi için bkz. Poisson Regresyonu.

Hesaplamak için Poisson'ı seçin ve aşağıdaki seçenekleri ayarlayın:

  • Demek
    Dağılımın tahmini ortalama değerini gösteren bir sayı (double) yazın. Varsayılan değer 0,0'dır.

Rayleigh

Rayleigh dağılımı sürekli olasılık dağılımıdır. Bunun nasıl ortaya çıktığına bir örnek olarak, iki boyutlu rüzgar hızı vektörünün bileşenleri bağıntısız ve normal olarak eşit varyansla dağıtılırsa rüzgar hızı rayleigh dağılımına sahip olacaktır.

Hesaplamak için Rayleigh'i seçin ve aşağıdaki seçenekleri ayarlayın:

  • Alt sınır
    Dağılımın alt sınırlarını temsil eden bir sayı (double) yazın. Varsayılan değer 0,0'dır.

StandardNormal

Bu seçenek, başka parametre olmadan standart normal dağılımı sağlar.

Hesaplamak için StandardNormal'ı seçin ve sütunları seçin.

TStudent

Bu seçenek tek değişkenli Student t dağıtımını uygular.

Hesaplamak için TStudent'i seçin ve aşağıdaki seçenekleri ayarlayın:

  • Serbestlik derecesi sayısı
    Serbestlik derecesini belirtmek için bir sayı (double) yazın. Varsayılan değer 1.0'dır.

TStudentRightTailed

Tek değişkenli Student t dağıtımını tek bir sağ kuyruk kullanarak uygular.

Hesaplamak için TStudentRightTailed öğesini seçin ve aşağıdaki seçenekleri ayarlayın:

  • Serbestlik derecesi sayısı
    Serbestlik derecesini belirtmek için bir sayı (double) yazın. Varsayılan değer 1.0'dır.

TStudentTwoTailed

İki kuyruklu bir Student t dağılımı uygular.

Hesaplamak için TStudentTwoTailed öğesini seçin ve aşağıdaki seçenekleri ayarlayın:

  • Serbestlik derecesi sayısı
    Serbestlik derecesini belirtmek için bir sayı (double) yazın. Varsayılan değer 1.0'dır.

Üniforma

Tekdüzen dağılım dikdörtgen dağılım olarak da bilinir.

Hesaplamak için Tekdüzen'i seçin ve aşağıdaki seçenekleri ayarlayın:

  • Alt sınır
    Dağılımın alt sınırını temsil eden bir sayı (double) yazın. Varsayılan değer 0,0'dır.

  • Üst sınır
    Dağılımın üst sınırını temsil eden bir sayı (double) yazın. Varsayılan değer 1.0'dır.

Weibull

Weibull dağılımı güvenilirlik mühendisliğinde yaygın olarak kullanılır. Diğer birçok dağıtımı modellemek için Shape parametresini kullanabilirsiniz.

Hesaplamak için Weibull'u seçin ve aşağıdaki seçenekleri ayarlayın:

  • Şekil
    Dağılımın şeklini değiştirmek için bir değer (isteğe bağlı) yazın.

    Şekil parametresi, bir olasılık dağılımının konumunu veya ölçeğini tanımlamayan herhangi bir parametresidir. Bu nedenle, şekil için bir değer girdiğinizde parametre, dağılımı taşımak, uzatmak veya küçültmek yerine dağılımın şeklini değiştirir.

    Değer bir sayı (double) olmalıdır. Varsayılan değer 1.0'dır.

  • Ölçeklendirme
    Dağıtımın ölçeğini değiştirmek için bir değer (isteğe bağlı) yazın. Dağıtıma bir ölçek değeri uygulayarak, daraltabilir veya genişletebilirsiniz.

    Değer bir sayı (double) olmalıdır. Varsayılan değer 1.0'dır.

Teknik notlar

Bu bölüm uygulama ayrıntılarını, ipuçlarını ve sık sorulan soruların yanıtlarını içerir.

Uygulama ayrıntıları

Bu modül, açık kaynak MATH.NET Sayısallar kitaplığında sağlanan tüm dağıtımları destekler. Daha fazla bilgi için Math.Net.Numerics.Distribution kitaplığı belgelerine bakın.

Sağ kuyruklu ve iki kuyruklu dağıtımlar, temel dağıtımların parametreli sürümleri olarak değil, ayrı dağıtımlar olarak görünür. Geçerli davranış, Excel uyumluluğu korumaktır.

Tanım

Bu modül, belirtilen dağıtım için şu değerlerden herhangi birini hesaplamayı destekler:

  • cdf veya kümülatif dağılım işlevi

    Rastgele değişken belirli bir x değerinden daha küçük bir değer aldığında oluşan özyinelemelerin toplamı olarak tanımlanan bileşik olayın olasılığını verir.

    Başka bir deyişle şu soruyu yanıtlar: "Bu değerden küçük veya buna eşit örnekler ne kadar yaygın?"

    Bu işlev hem sürekli hem de ayrık sayısal değişkenlerle kullanılabilir.

  • InverseCdf veya ters kümülatif dağılım işlevi

    Belirli bir kümülatif olasılık değeriyle (cdf) ilişkili değeri verir.

    Başka bir deyişle şu soruyu yanıtlar: "cdf işlevinin kümülatif olasılık y'yi döndürdüğü x değeri nedir?"

  • pdf veya olasılık yoğunluğu işlevi

    Rastgele bir değişkenin belirli bir değer olma olasılığını açıklar.

    Başka bir deyişle şu soruyu yanıtlar: "Örnekler tam olarak bu değerde ne kadar yaygındır?"

Beklenen girişler

Ad Tür Description
Veri kümesi Veri Tablosu Giriş veri kümesi

Modül parametreleri

Name Aralık Tür Varsayılan Description
Dağıtım Herhangi biri ProbabilityDistribution StandardNormal Oluşturulacak olasılık dağılımı türünü seçin.
Yöntem Herhangi biri ProbabilityDistributionMethod Cdf Seçili olasılık dağılımını hesaplarken kullanılacak yöntemi seçin.

Seçenekler kümülatif dağılım işlevi (cdf), ters kümülatif dağılım işlevi (InverseCdf) ve olasılık yoğunluğu işlevi veya kütle işlevidir (pdf).
Negatif binom dağılım yöntemi Herhangi biri ProbabilityDistributionMethodForNegativeBinomial Cdf Negatif binom dağılımını seçerseniz, dağılımı değerlendirmek için kullanılan yöntemi belirtin.
Başarı olasılığı [0.0;1.0] Float 0,5 Başarı olasılığı olarak kullanılacak bir değer yazın.
Şekil Herhangi biri Float 1.0 Dağılımın şeklini değiştiren bir değer yazın.
Ölçek >=0,0 Float 1.0 Ölçeği genişletmek veya küçültmek için dağılımın ölçeğini değiştiren bir değer yazın.
Deneme sayısı >=1 Tamsayı 3 Deneme sayısını belirtin.
Alt sınır Herhangi biri Float 0,0 Dağıtımın alt sınırı olarak kullanılacak bir sayı yazın
Üst sınır Herhangi biri Float 1.0 Dağıtımın üst sınırı olarak kullanılacak bir sayı yazın
Konum Herhangi biri Float 0,0 Dağıtımdaki sıfır öğesinin konumunu yazın.
Serbestlik derecesi sayısı Herhangi biri Float 1.0 Serbestlik derecelerinin sayısını belirtin.
Pay serbestlik derecesi Herhangi biri Float 3.0 Paydaki serbestlik derecelerinin sayısını belirtin.
Payda serbestlik derecesi Herhangi biri Float 6.0 Paydadaki serbestlik derecelerinin sayısını belirtin.
Lambda >=0,0 Float 1.0 Lambda parametresi için bir değer belirtin.
Number of samples Herhangi biri Tamsayı 9 Örnek sayısını belirtin.
Başarı sayısı Herhangi biri Tamsayı 24 Başarı sayısı olarak kullanılacak bir değer yazın.
Popülasyon boyutu Herhangi biri Tamsayı 52 Popülasyon boyutunu belirtin.
Ortalama Herhangi biri Float 0,0 Tahmini ortalama değeri yazın.
Standart sapma >=0,0 Float 1.0 Tahmini standart sapması yazın.
Sütun kümesi Herhangi biri ColumnSelection Olasılık dağılımının hesaplandığı sütunları seçin.
Sonuç modu Herhangi biri Çıktı ResultOnly Sonuçların çıkış veri kümesine nasıl kaydedileceğini belirtin. Seçenekler yeni sütunları eklemek, var olan sütunları değiştirmek veya yalnızca sonuçları çıkarmaktır.

Çıktı

Ad Tür Description
Sonuç veri kümesi Veri Tablosu Çıkış veri kümesi

Özel durum

Hata iletilerinin tam listesi için bkz . Modül Hata Kodları.

Özel durum Description
Hata 0017 Belirtilen bir veya daha fazla sütun geçerli modül tarafından desteklenmeyen bir türe sahipse özel durum oluşur.

Studio (klasik) modüllerine özgü hataların listesi için bkz. hata kodları Machine Learning.

API özel durumlarının listesi için bkz. MACHINE LEARNING REST API Hata Kodları.

Ayrıca bkz.

İstatistiksel İşlevler
A-Z Modül Listesi