Distributions discrètes univariées Une explication facile à comprendre

Explication facile à comprendre des distributions discrètes univariées

Comprendre les distributions discrètes univariées de manière mathématique et visuelle

Connaissez-vous ce sentiment ? Vous voulez apprendre quelque chose de nouveau, mais vous ne savez pas par où commencer. C’est ainsi que nous nous sommes sentis lorsque nous voulions comprendre les distributions mathématiquement. Oui, notre professeur nous a expliqué toutes ces distributions, mais seulement de manière mathématique, avec des formules ! Notre professeur ne l’a pas expliqué de manière facile à comprendre avec des visuels.

C’est pourquoi nous avons écrit cet article sur les distributions discrètes univariées les plus importantes. Nous voulons vous expliquer ces distributions mathématiquement et visuellement. Notre objectif est que vous compreniez la relation entre les mathématiques et le graphique de distribution. De plus, nous vous présentons également un exemple pour chaque distribution.

En tant que data scientist, il est important de comprendre comment les distributions fonctionnent. Les hypothèses de distribution sont le pilier de certains algorithmes d’apprentissage automatique et sont essentielles pour résoudre des questions statistiques, par exemple dans l’industrie de l’assurance.

Nous discuterons des distributions suivantes :

• QLoRA Formation d’un modèle linguistique puissant sur une carte graphique de 16 Go.
• Remodeler la mémoire du modèle sans avoir besoin de reformation
• Synergie de LLM et GUI, au-delà du Chatbot

• Distribution de Bernoulli
• Distribution binomiale
• Distribution géométrique
• Distribution de Poisson
• Distribution uniforme

Plongeons-y !

Qu’est-ce que la distribution de Bernoulli ?

Une distribution de Bernoulli avec le paramètre p existe si une variable aléatoire X a deux résultats possibles (étiquetés par 0 ou 1). X=1 (succès) se produit avec une probabilité p, et X=0 (échec) se produit avec une probabilité 1-p.

Regardons un exemple.

Exemple :

X représente le résultat d’un lancer de pièce, où X=1 (face) et X=0 (pile). p est la probabilité que la pièce tombe sur face.

Ensuite, vous verrez une explication visuelle et mathématique de la distribution de Bernoulli. Commençons d’abord par les mathématiques !

Description mathématique :

La distribution de Bernoulli a les exigences suivantes :

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!