Distribución matemática y sus características
Distribución Bata: Una proporción aleatoria, similar a la proporción de productos defectuosos entre las tareas completadas en un período de tiempo.
Binomio: número de resultados que se producen dentro de un número específico de pruebas; a menudo se utiliza para expresar la tasa de éxito o fracaso de un resultado de prueba, por ejemplo, el número de productos defectuosos en un lote de productos que están a punto de llegar. O el número de clientes de un tipo particular que están a punto de llegar.
Cauchy: una extensión larga desde el centro hacia ambos lados; Cauchy se usa generalmente para simular datos muy divergentes, que se distribuyen alrededor del centro de la media; la distribución de Cauchy parece una distribución normal, pero se desvía de ella. La porción es enorme.
Distribución X: cuando las variables independientes N de la distribución normal estándar se elevan al cuadrado y se suman, el resultado de la distribución X será cuadrado; se utiliza a menudo en experimentos estadísticos.
Distribución constante: no genera números aleatorios y el valor constante no cambiará en las primeras etapas de la construcción de un modelo; a menudo se usa para reducir la influencia de factores aleatorios o para representar la misma distribución; eso se ha determinado Tiempos y números.
Distribución empírica: para todos, si están familiarizados con la probabilidad de eventos, los usuarios suelen formular o definir formas específicas de tipos de distribución.
Erlang: La frecuencia se basa principalmente en la teoría de la permutación, que indica el número de servicios en diversas actividades, y se utiliza para modelar comunicaciones telefónicas, etc.
Exponencial: La distribución exponencial es la más utilizada en procesos de servicios industriales y comerciales. Se utiliza principalmente para definir el intervalo de tiempo entre eventos, como el intervalo de tiempo entre que los clientes van al supermercado a comprar y el ciclo de actualización y mantenimiento del equipo. También se utiliza para el tiempo promedio de las conversaciones telefónicas y el número de veces de mantenimiento. se requiere en un período determinado.
Extremo 1A: Describe el rango de distribución de valores máximos para muchos tipos de instancias. Los valores máximos se utilizan a menudo en parámetros de modelos de sistemas como astronomía, esperanza de vida humana, sistemas de radiación, resistencia de materiales, análisis de inundaciones y terremotos y predicción de precipitaciones.
Extremo 1B: Describe el rango de distribución de valores mínimos para muchos tipos de instancias. Los mínimos se utilizan a menudo en parámetros de modelos de sistemas como astronomía, esperanza de vida humana, sistemas de radiación, resistencia de materiales, análisis de inundaciones y terremotos y predicción de precipitaciones.
Gamma: Suele utilizarse para representar el tiempo necesario para completar una tarea. Esta distribución se asemeja a una curva de distribución exponencial decreciente cuando los valores de sus parámetros están entre 0 y 1. Si el valor del parámetro es mayor que 1, la distribución desciende desde el valor máximo hasta el valor mínimo como un reloj de péndulo.
Geométrico: en una serie de experimentos independientes de Bernoulli con una cierta tasa de éxito, genera el número de eventos de falla que deben pasar antes de que el primer experimento tenga éxito. Generalmente se utiliza para representar la cantidad de producto inspeccionado antes de que se inspeccione el primer artículo defectuoso, la cantidad de un lote de entidades de tamaño aleatorio o la cantidad de entidades requeridas en un pedido.
Hipereponencial: La distribución hiperexponencial se suele utilizar en comunicación telefónica y teoría de colas.
Gaussin inverso: Generalmente se utiliza para simular el proceso de difusión del movimiento browniano y las condiciones de contorno, también puede simular la distribución de tamaños específicos en la población total, la distribución de confiabilidad, vida útil y tiempo de mantenimiento.
Weibull inverso: en circunstancias normales, la distribución es determinista, pero cuando llega al extremo, los datos tienen una gran desviación; esta distribución se utiliza para describir el proceso de varios efectos reales en la distribución de la vida; También se utiliza para ajustar datos extremadamente anormales en el área de desviación en un lado del vértice.
Johnson SB: Esta distribución es una transformación de la distribución normal. La distribución de Johnson se ha utilizado en el proceso de control de calidad para describir procesos no normales, y luego se puede convertir en una distribución normal para su uso en. Estándares bajo prueba.
Johnson SU: Al igual que Johnson SB, esta división también se transforma a partir de una distribución normal y también se puede utilizar para describir procesos anormales en el proceso de control de calidad. Además, esto se puede utilizar para representar la conocida distribución inestable de Pearson IV, y su rango de valores es bastante creíble.
Laplace (distribución exponencial): Esta distribución tiene un vértice agudo en el medio para distinguirla de la distribución normal; la distribución de Laplace se puede utilizar para describir dos distribuciones que son independientes pero tienen el mismo índice. A menudo se utiliza en el análisis de errores.
Logarítmica (Distribución logarítmica): La distribución logarítmica se puede utilizar para describir el tipo de una muestra, es decir, cuántos tipos diferentes puede haber en una muestra específica; Esta distribución se ha utilizado, por ejemplo, para el número de personas con una determinada característica en una población atraída por un mosquito, o para el número de bienes de un tipo específico en un conjunto de inventarios.
Logística (distribución matemática): La distribución matemática es muy similar a la distribución normal, y además tiene mayores desviaciones. La función de distribución matemática se utiliza principalmente en el modelo de desarrollo de algunos problemas como problemas de población, beneficios empresariales, cierres de empresas, etc.
Log Logística (logaritmo matemático): Cuando el parámetro S=1, es como una distribución exponencial; cuando el parámetro S<1, tiende a ser infinito en una determinada posición, y su valor aumenta con X Y disminuye; cuando el parámetro S>1, tiene un valor mínimo de 0 en una determinada posición, luego alcanza el pico y disminuye gradualmente.
Logaritmo estándar (logaritmo estándar): esta distribución se utiliza a menudo para describir el tiempo necesario para realizar una actividad (especialmente cuando hay varias actividades subsidiarias), el intervalo entre fallas de la actividad o la duración de las actividades manuales. También se utiliza ampliamente para proteger seguros de propiedad comerciales y de otro tipo, como evaluaciones de rendimientos de acciones o rendimientos de inversiones inmobiliarias.
Binomio negativo (distribución binomial negativa): la distribución binomial negativa se utiliza para describir el número de intentos fallidos antes de que el primer evento tenga éxito; P representa la probabilidad de éxito.
Normal (distribución normal): Es la famosa curva de Gauss o curva de campana de péndulo, es más utilizada cuando los eventos son causados por factores objetivos más que por factores humanos por ejemplo, describiendo la suma de muchos números; La distribución de la cantidad total de componentes o la distribución del error.
Pareto (distribución exponencial negativa): Se define como una distribución exponencial opuesta a la distribución exponencial. Tiene las características de un punto de salto distinto a la izquierda y una línea de extensión exponencial a la derecha; esta distribución se utiliza a menudo para simular muchos fenómenos empíricos con curvas de extensión muy largas, como el problema de distribución del ingreso de una sociedad, el tamaño de la población urbana, la existencia de recursos naturales, las fluctuaciones del precio de las acciones, el tamaño de las empresas, el brillo de los cometas y una serie de cambios en las líneas de transporte obstruidas.
Pearson tipo V (distribución de Pearson V): la distribución de Pearson V se usa generalmente para describir el tiempo requerido para completar algunas tareas, la densidad de distribución parece similar a la forma de Lognormal, pero cuando X es cercano a cero; Hay un punto extremo más grande.
Pearson Tipo VI (distribución de Pearson VI): la distribución de Pearson V se usa generalmente para describir el tiempo requerido para completar algunas tareas a la izquierda de cero, la distribución es continua y determinista a la derecha de cero; La distribución lateral es incierta.
Poisson (distribución de Poisson): La distribución de Poisson simula principalmente la proporción de eventos, por ejemplo, la cantidad de llamadas telefónicas por minuto, la cantidad de errores tipográficos por página o la cantidad de eventos en el sistema dentro de un cierto periodo de tiempo. Tenga en cuenta que en la teoría de colas, la proporción de llegadas de eventos generalmente define las llegadas de Poisson por unidad de tiempo. Este principio de distribución es similar a la distribución exponencial.
Función de potencia: la función función existe en ambos lados y el valor contenido no puede ser un número negativo. La distribución uniforme es un caso especial de distribución de función función.
Rayleigh: Rayleigh a menudo representa la vida (período de validez) porque su tasa de riesgo aumenta rápidamente con el tiempo, por ejemplo, la vida de un tubo de vacío; Salta en el lado izquierdo y tiene un cable de extensión más largo.
Triangular: A menudo es más adecuada que la distribución estándar para representar procesos de negocio porque proporciona la evaluación inicial más precisa del valor real. A menudo se utiliza cuando sólo se conocen tres características del proceso (valor máximo, valor mínimo y valor promedio más probable).
Distribución uniforme (entero o constante): La distribución uniforme (entero o número real) se utiliza para describir que todos los valores son posibles dentro de un rango específico de valores generalmente si hay poca información sobre la tarea; , Se utiliza para describir la duración de una determinada actividad de tarea.
Distribución Weibull: Weibull se utiliza principalmente para describir el ciclo de vida del producto y problemas de confiabilidad del proyecto, como el intervalo de tiempo entre el daño mecánico del equipo (TBF) y el ciclo de mantenimiento (TTR).