Distribuzione binomiale in r

Nel campo delle statistiche, la distribuzione binomiale è un tipo di distribuzione di probabilità. Nel modello di distribuzione binomiale, ogni prova può avere solo un output. La stessa probabilità di successo deve essere la stessa per ogni prova e non possono verificarsi più prove alla volta, o non dovrebbero influenzare l'output reciproco.

In un esperimento o un sondaggio multiplo, la distribuzione binomiale può essere considerata come la probabilità di un passaggio o fallimento di un evento. La distribuzione binomiale fornisce il risultato solo in due possibili modi o valori (il prefisso "BI" indica "due" o "due volte"). Quando capovolgiamo una moneta, ad esempio, ha solo due risultati: teste o code e condurre un test ha solo due risultati: successo o fallimento.

Perché usare la distribuzione binomiale:

Il modello di distribuzione di probabilità può essere utilizzato per rispondere a una varietà di sfide aziendali complesse. Questi modelli forniscono risposte a domande come "quanto probabilmente sono i prezzi degli articoli per crescere durante il prossimo anno?"Le distribuzioni binomiali e Poisson di variabili casuali discrete sono due delle distribuzioni di probabilità più utilizzate nel business (sono possibili solo un numero finito di valori). La distribuzione binomiale calcola la probabilità di occorrenze con solo due possibili risultati (successo o fallimento), come guardare il prezzo di chiusura di uno stock ogni giorno per un anno e vedere se è salito o diminuito.

Cos'è la distribuzione binomiale in R:

La distribuzione binomiale viene utilizzata nel linguaggio di programmazione R per risolvere o rispondere ai problemi statistici. È una classificazione della distribuzione di probabilità. Esistono quattro funzioni definite per la distribuzione binomiale in r, i.e. dbinom, pbinom, qbinom e rbinom. Essere un modello di distribuzione discreto, il successo o il fallimento sono gli unici due possibili risultati che possono essere generati dal modello di distribuzione binomiale. Tutte le prove sono indipendenti, la probabilità di successo rimane costante e il risultato precedente non influenzerà il risultato o il risultato successivo. I risultati di diversi studi non sono correlati. La distribuzione binomiale ci consente di calcolare le probabilità individuali e cumulative in un determinato intervallo.

Come usare la distribuzione binomiale in R:

Per utilizzare il modello di distribuzione binomiale in R, ci sono quattro funzioni integrate definite (dbinom, pbinom, qbinom, rbinom). Di seguito è la sintassi per queste funzioni:

Mentre il vettore del valore p rappresenta il vettore di probabilità, n contiene la frequenza delle osservazioni, la dimensione descrive il numero di prove e Prob indica la probabilità o la probabilità di completamento della sperimentazione. Negli esempi seguenti, ti insegneremo come utilizzare queste funzioni integrate in R.

Esempio n. 1: la funzione dbinom in r

Il dbinom è noto come funzione di densità binomiale in r. Viene utilizzato per trovare la densità della distribuzione binomiale. Per creare un diagramma R della funzione dbinom, creeremo un vettore (x_dbniom) contenente valori. Questo vettore verrà alimentato come input nella funzione dbinom.

Dopo aver creato il vettore, applicheremo la funzione dbinom al vettore che abbiamo creato sopra. Assegnare questa funzione a una nuova variabile, io.e. (y_dbinom). Imposteremo la dimensione pari a cento, il che rappresenta il numero totale di prove. Per ogni pareggio binomiale, specificheremo la probabilità a 0.5. Questi parametri possono essere modificati corrispondenti ai requisiti.

Per visualizzare i risultati della funzione dbinom, useremo la funzione del diagramma, in cui passeremo la variabile contenente i risultati della funzione dbinom. Il risultato è rappresentato nello screenshot.

Questo grafico mostra i risultati della probabilità per le 100 prove.

Esempio n. 2: la funzione Pbinom in R

Per calcolare la probabilità cumulativa di un evento, viene utilizzata la funzione pbinom. Per creare un diagramma R della funzione Pbinom, creeremo un vettore chiamato X_PBinom contenente valori. Passeremo questo vettore come argomento nella funzione Pbinom.

Ora assegneremo la funzione pbinom () a una nuova variabile (y_pbinom). Specificheremo gli stessi valori che abbiamo usato nell'esempio n. 1 (dimensione = 100, prob = 0.5).

Passeremo la variabile y-pbinom nella funzione trama per visualizzarla su un grafico. Il risultato è rappresentato nello screenshot.

Le probabilità delle prime 40 prove sono 0.0, ma successivamente, stanno gradualmente aumentando fino a 60 prove, dando una produzione di costante 1.0 Per tutte le prove dopo 60.

Esempio n. 3: la funzione Qbinom in R

Il qbinom è noto come funzione quantile binomiale in r. Viene utilizzato per calcolare la probabilità cumulativa inversa di un evento. Per creare un diagramma R della funzione Qbinom, nel primo passaggio creeremo un vettore (x_qbniom) contenente alcuni valori. Questo vettore verrà alimentato come input nella funzione Qbinom.

Ora applichiamo la funzione Qbinom per trovare i valori della funzione quantile binomiale.

Useremo la funzione della trama per mostrare i risultati della trama. Il risultato è rappresentato nello screenshot.

Esempio # 4: la funzione rbinom in r

La funzione rbinom viene utilizzata in r per generare un numero casuale con la distribuzione binomiale. Per la riproducibilità, dobbiamo impostare un valore di seme e specificare una dimensione del campione del numero da disegnare.

Ora possiamo usare la funzione Rbinom per generare valori casuali e assegnarli a una nuova variabile, che in seguito useremo nella funzione Hist ().

Come puoi vedere, ci sta dando numeri casuali e il loro intervallo è compreso tra 0 e 100.

Useremo la funzione Hist () sopra per illustrare il risultato dell'istogramma. Il risultato è rappresentato nello screenshot.

Conclusione

Dopo aver coperto questo tutorial ora, dovresti avere una migliore comprensione della distribuzione binomiale. Avrai familiarità con i tipi di distribuzione binomiale. Potrebbe essere utile in varie complessità aziendali e ricerche statistiche future. In questo tutorial, abbiamo discusso della distribuzione binomiale, dei suoi tipi e di come puoi usarli in R. Abbiamo implementato diversi esempi per rendere facile per tutti i lettori capirlo più chiaramente.