Errori, prove e successi La distribuzione binomiale negativa spiegata
La distribuzione binomiale negativa errori, prove e successi
Un’immersione in una delle distribuzioni di probabilità meno conosciute
Contesto
Forse hai sentito parlare della distribuzione binomiale, ma hai mai sentito parlare della sua cugina, la distribuzione binomiale negativa? Questa distribuzione di probabilità discreta viene applicata in numerosi settori, come l’assicurazione e la produzione (principalmente dati basati sul conteggio), quindi è un concetto utile da comprendere per gli scienziati dei dati. In questo articolo, approfondiremo questa distribuzione e i problemi che può risolvere.
Cos’è la distribuzione binomiale negativa?
Per capire la distribuzione binomiale negativa, è importante acquisire intuizione sulla distribuzione binomiale.
La distribuzione binomiale misura la probabilità di ottenere un certo numero di successi, x, in un numero dato di prove, n. Le prove in questo caso sono prove Bernoulli, in cui ogni risultato è binario (successo o fallimento). Se non sei familiare con la distribuzione binomiale, dai un’occhiata al mio precedente articolo su di essa qui:
Decodificare la distribuzione binomiale: Un concetto fondamentale per gli scienziati dei dati
Comprensione dei blocchi di base della distribuzione binomiale
pub.towardsai.net
- Come Ottimizzare Llama2 per la Codifica Python su Hardware per Consumatori
- Ensemble di Classificatori Classificatore di Voto
- Massimizza le tue intuizioni scegliendo il miglior grafico Rete, Heatmap o Sankey?
La distribuzione binomiale negativa inverte questo e modella il numero di prove, x, necessarie per raggiungere un certo numero di successi, r. Questo è il motivo per cui è nota come “negativa”, perché sta modellando involontariamente il numero di fallimenti prima del raggiungimento del certo numero di successi.
Un modo migliore di pensare alla distribuzione negativa è:
Probabilità del successo “r” che si verifica alla prova “x”
Un caso speciale della distribuzione binomiale negativa è la distribuzione geometrica. Questa modella il numero di prove necessarie prima di ottenere il nostro primo successo. Puoi leggere di più sulla distribuzione geometrica qui:
