Distribusi diskrit adalah distribusi data dalam statistik yang memiliki nilai diskrit. Nilai diskrit dapat dihitung, terbatas, bilangan bulat non-negatif, seperti 1, 10, 15, dll.
Memahami Distribusi Diskrit
Kedua jenis distribusi tersebut adalah:
- Distribusi diskrit
- Distribusi berkelanjutan
Distribusi diskrit, seperti yang disebutkan sebelumnya, adalah distribusi nilai yang merupakan bilangan bulat yang dapat dihitung. Di sisi lain, distribusi berkelanjutan menyertakan nilai dengan tempat desimal tak hingga. Contoh nilai pada distribusi berkelanjutan adalah "pi". Pi adalah angka dengan tempat desimal tak terhingga (3,14159…).
Kedua distribusi tersebut berkaitan dengan distribusi probabilitas, yang merupakan fondasi analisis statistik dan teori probabilitas.
Distribusi probabilitas adalah fungsi statistik yang digunakan untuk menunjukkan semua nilai dan kemungkinan yang mungkin dari variabel acak Variabel Acak Variabel acak (variabel stokastik) adalah jenis variabel dalam statistik yang kemungkinan nilainya bergantung pada hasil dari fenomena acak tertentu dalam kisaran tertentu. Rentang akan dibatasi oleh nilai maksimum dan minimum, tetapi nilai sebenarnya akan bergantung pada banyak faktor. Ada statistik deskriptif yang digunakan untuk menjelaskan di mana nilai yang diharapkan akan berakhir. Beberapa diantaranya adalah:
- Mean (rata-rata)
- Median
- Mode
- Standar Deviasi Deviasi StandarDari sudut pandang statistik, standar deviasi suatu kumpulan data adalah ukuran besarnya simpangan antar nilai pengamatan yang terkandung
- Kecondongan
- Kurtosis
Distribusi diskrit juga muncul dalam simulasi Monte Carlo. Simulasi Monte Carlo Simulasi Monte Carlo Simulasi Monte Carlo adalah metode statistik yang diterapkan dalam pemodelan probabilitas hasil yang berbeda dalam suatu masalah yang tidak dapat diselesaikan begitu saja, karena interferensi dari variabel acak. adalah metode pemodelan statistik yang mengidentifikasi probabilitas berbagai hasil dengan menjalankan simulasi dalam jumlah yang sangat besar. Dari simulasi Monte Carlo, hasil dengan nilai diskrit akan menghasilkan distribusi diskrit untuk dianalisis.
Contoh Distribusi Diskrit
Jenis distribusi probabilitas diskrit meliputi:
- Poisson
- Bernoulli
- Binomium
- Multinomial
Pertimbangkan contoh di mana Anda menghitung jumlah orang yang berjalan ke sebuah toko pada jam tertentu. Nilainya harus berupa bilangan bulat yang dapat dihitung, terbatas, dan tidak negatif. Tidak mungkin ada 0,5 orang yang masuk ke toko, dan tidak mungkin ada jumlah negatif orang yang masuk ke toko. Oleh karena itu, distribusi nilai, jika direpresentasikan pada plot distribusi, akan menjadi diskrit.
Mengamati distribusi terpisah dari titik-titik data yang dikumpulkan, kita dapat melihat bahwa ada lima jam di mana antara satu dan lima orang berjalan ke dalam toko. Selain itu, ada sepuluh jam di mana antara lima dan sembilan orang masuk ke dalam toko dan seterusnya.
Distribusi probabilitas di atas memberikan representasi visual dari probabilitas bahwa sejumlah orang akan masuk ke toko pada jam tertentu. Tanpa melakukan analisis kuantitatif Analisis Kuantitatif Analisis kuantitatif adalah proses pengumpulan dan evaluasi data terukur dan dapat diverifikasi seperti pendapatan, pangsa pasar, dan upah untuk memahami perilaku dan kinerja bisnis. Di era teknologi data, analisis kuantitatif dianggap sebagai pendekatan yang disukai untuk membuat keputusan berdasarkan informasi. , kami dapat mengamati bahwa ada kemungkinan besar antara 9 dan 17 orang akan masuk ke toko pada jam tertentu.
Contoh Distribusi Berkelanjutan
Distribusi probabilitas kontinu dicirikan dengan memiliki kisaran nilai yang mungkin tak terbatas dan tak terhitung. Probabilitas variabel acak kontinu ditentukan oleh area di bawah kurva fungsi kepadatan probabilitas.
Fungsi kepadatan probabilitas (PDF) adalah kemungkinan variabel acak kontinu mengambil nilai tertentu dengan menyimpulkan dari informasi sampel dan mengukur area di bawah PDF. Meskipun kemungkinan absolut dari variabel acak yang mengambil nilai tertentu adalah 0 (karena ada kemungkinan nilai yang tak terbatas), PDF pada dua sampel berbeda digunakan untuk menyimpulkan kemungkinan variabel acak.
Perhatikan contoh di mana Anda ingin menghitung distribusi ketinggian suatu populasi. Anda dapat mengumpulkan sampel dan mengukur tingginya. Namun, Anda tidak akan mencapai ketinggian yang tepat untuk setiap individu yang diukur.
Untuk menghitung distribusi ketinggian, Anda dapat mengetahui bahwa probabilitas seseorang adalah tepat 180cm adalah nol. Artinya, probabilitas pengukuran seseorang yang memiliki tinggi tepat 180cm dengan presisi tak terbatas adalah nol. Namun, probabilitas seseorang memiliki tinggi lebih dari 180cm dapat diukur.
Selain itu, Anda dapat menghitung probabilitas seseorang memiliki tinggi badan yang lebih rendah dari 180cm. Oleh karena itu, Anda dapat menggunakan probabilitas yang disimpulkan untuk menghitung nilai suatu rentang, misalnya antara 179,9 cm dan 180,1 cm.
Melihat distribusi kontinyu, terlihat jelas bahwa meannya adalah 170cm; akan tetapi, kisaran nilai yang dapat diambil tidak terbatas. Oleh karena itu, mengukur probabilitas variabel acak tertentu akan membutuhkan pengambilan kesimpulan antara dua rentang, seperti yang ditunjukkan di atas.
Sumber Daya Lainnya
Finance menawarkan Sertifikasi Perbankan & Analis Kredit (CBCA) ™ CBCA ™ Akreditasi Perbankan & Analis Kredit Bersertifikat (CBCA) ™ adalah standar global untuk analis kredit yang mencakup keuangan, akuntansi, analisis kredit, analisis arus kas, pemodelan perjanjian, pinjaman pembayaran kembali, dan banyak lagi. program sertifikasi bagi mereka yang ingin meningkatkan karir mereka ke tingkat berikutnya. Untuk terus mempelajari dan mengembangkan basis pengetahuan Anda, harap jelajahi sumber daya tambahan yang relevan di bawah ini:
- Teorema Batas Pusat Teorema Batas Pusat Teorema batas pusat menyatakan bahwa mean sampel dari variabel acak akan mengasumsikan distribusi mendekati normal atau normal jika ukuran sampel besar
- Distribusi Poisson Distribusi Poisson Distribusi Poisson adalah alat yang digunakan dalam statistik teori probabilitas untuk memprediksi jumlah variasi dari tingkat kejadian rata-rata yang diketahui, dalam
- Distribusi Frekuensi Kumulatif Distribusi Frekuensi Kumulatif Distribusi frekuensi kumulatif adalah bentuk distribusi frekuensi yang merepresentasikan penjumlahan suatu kelas dan semua kelas di bawahnya. Ingat frekuensi itu
- Rata-rata Tertimbang Rata-rata Tertimbang Rata-rata tertimbang adalah jenis rata-rata yang dihitung dengan mengalikan bobot (atau probabilitas) yang terkait dengan peristiwa atau hasil tertentu dengan
