Diese kontinuierliche Verteilung ist dadurch gekennzeichnet, dass sie für jeden Wert des Intervalls die gleiche Wahrscheinlichkeit hat. Es wird häufig für Beiträge von Typ-B-Unsicherheiten verwendet, bei denen nur die Haupt- und Nebenabmessungen des Intervalls bekannt sind, beispielsweise in der Aufteilung oder Auflösung eines digitalen Instruments. In vielen Fällen kann diese Verteilung auch zugeordnet werden, wenn wenig Informationen über die Zufallsvariable, in bibliographischen Daten vorhanden sind oder wenn der Überdeckungsfaktor einer Unsicherheit nicht bekannt ist.
Die allgemeine Formel dieser Verteilung ist für alle Werte von x definiert, für die A ≤ x ≤ B gemäß der Gleichung gilt:
Eingabeparameter:
- Durchschnitt. Durchschnittswert der Zufallsvariablen.
- Halbintervall. Entspricht der Mitte des Intervalls, auf das diese Verteilung angewendet wird, dh (B-A) / 2, wobei A und B die oberen und unteren Grenzen des Intervalls sind. Wenn diese Funktion durch Auflösung eines digitalen Instruments auf die Unsicherheit angewendet wird, entspricht dieser Parameter der Hälfte der Nebenabteilung (d / 2). In einigen Fällen trifft dies auch auf analoge Instrumente zu, bei denen die Bewertung (oder Schätzung) als eine geschätzte Unterteilung betrachtet wird, über die hinaus keine visuelle Information möglich ist. In diesem Fall ist das Halbintervall e / 2.
Mehr Hilfe
Diese Verteilung ist diejenige, die am häufigsten natürliche und soziale Ereignisse darstellt. Die meisten Beweise aus der klassischen Statistik sowie die Abschätzung von Unsicherheiten beruhen auf der Annahme, dass die Daten einer Normalverteilung entsprechen. Aus theoretischer Sicht behauptet der zentrale Grenzwertsatz, dass bei einer ausreichend großen Stichprobe die Verteilung der Mittel einer annähernd Normalverteilung folgt. Die allgemeine Formel dieser Verteilung lautet:
Diese Verteilung stellt Zufallsvariablen dar, deren Logarithmen gemäß einer Normalverteilung verteilt sind. Die logarithmische Normalverteilung nimmt abhängig vom Wert ihres Skalenparameters unterschiedliche Formen an und wird häufig in der Zuverlässigkeit von Hochtechnologieprodukten und auch in mikrobiologischen Zählungen verwendet, da sie auf dem multiplikativen Wachstumsmodell basieren.
Diese kontinuierliche Wahrscheinlichkeitsverteilung im Bereich der positiven Realen steht in engem Zusammenhang mit der Normalverteilung, zum Beispiel ist sie die Stichprobenverteilung von σ². Die Chi Ssquare-Verteilung wird mit einem einzigen Parameter definiert, bei dem es sich um Freiheitsgrade handelt. Die Funktion ist immer asymmetrisch und nach rechts geneigt. Diese Verteilung wird in verschiedenen Bereichen der Wissenschaft sehr häufig verwendet, da sie die Analyse von Datensätzen ermöglicht und bestimmt, ob der Unterschied zwischen ihnen durch Zufall (Nullhypothese) oder durch einen anderen externen Faktor bedingt ist.
Diese Verteilung ist eine kontinuierliche Funktion im Bereich positiver reeller Zahlen, die häufig in der Volkswirtschaftslehre, der Meteorologie und der Telekommunikation verwendet werden, sowie in anderen spezifischen Anwendungen, wie der Zuverlässigkeitsrate oder dem Überleben von Organismen oder Maschinen. Die Zufallsvariablen, die das Weibull-Verteilungsmodell haben, sind die Verteilung von Fehlern in Systemen, wenn die Fehlerquote proportional zur Zeitstärke ist. Diese Verteilung wird aus einem charakteristischen Form (& gt; 0) -Parameter definiert, der die Ausfallrate anzeigen würde. Wenn die Ausfallrate abnimmt, ist sie konstant oder steigt mit der Zeit an. Dies entspricht, wenn der Parameter k kleiner, gleich oder größer als 1 ist.
Die Cauchy-Verteilung hat die Besonderheit, dass sie vom Gaußschen Verteilungstyp ist, jedoch hat sie den höchsten Peak und die Schwänze zerfallen sehr langsam. Obwohl MCM Alchimia in geeigneter Weise die Pseudo-Zufalls-Abtastwerte für diese Verteilung erzeugt, wird der Ergebnisgraph wie ein isolierter Peak aussehen, da die Abszissenachse im 99% igen Wahrscheinlichkeitsintervall der Abdeckung liegt. Da der Zerfall der Schwänze so graduell ist, wird der Bereich signifikanter Wahrscheinlichkeiten sehr eng.
Die Verteilung von Von Mises ist eine kontinuierliche Funktion der zirkularen Aufrufe, dh sie sind für die realen im Intervall von 0 bis 2p definiert. Diese Funktion wird derzeit vorzugsweise auf dem Gebiet der Epidemiologie verwendet, um die Ausbreitung von Krankheiten oder technologischen Anwendungen wie der Signalverarbeitung zu beschreiben. Die Von-Mises-Verteilung wird auch als normaler Kreis bezeichnet, da sie dem Gaußschen ähnelt, jedoch auf die Kreisebene beschränkt ist.
Die NegBinomialverteilung ist auch eine diskrete Verteilung, die im Bereich positiver Ganzzahlen definiert ist. Sie ist der Binomialverteilung ähnlich, mit der Ausnahme, dass sich der Parameter n auf nicht vollständige und unvollständige Ereignisse bezieht. Mit anderen Worten, eine Zufallsvariable mit NegBinomialverteilung der Parameter n und p stellt die Anzahl der Erfolge dar, deren Wahrscheinlichkeit p ist, die in einer Folge von n fehlgeschlagenen Versuchen erreicht werden. Die Parameter, über die diese Verteilung definiert wird, haben dieselbe Form wie diejenigen, die die Binomialverteilung repräsentieren, obwohl der Parameter n, wie gesagt, eine andere Qualität darstellt.
Dies ist eine diskrete Verteilung, deren Domäne die Menge positiver Ganzzahlen ist, die die Anzahl der in einer Folge von n Versuchen erzielten Erfolge darstellt. Diese Tests müssen dichotom sein, dh sie bieten nur zwei Möglichkeiten (Erfolg und Misserfolg) und haben eine definierte Erfolgswahrscheinlichkeit = p.
Die Poisson-Verteilung ist eine diskrete Verteilung, die für die Domäne von Ganzzahlen größer als Null definiert ist. Sie wird meistens verwendet, um die Wahrscheinlichkeit darzustellen, dass eine bestimmte Anzahl von Ereignissen in einem bestimmten Zeitraum, einer definierten Entfernung, Fläche, Volumen usw. auftritt.