Tipos de distribución

Distribución de Cauchy

Cualquier persona interesada en la ciencia de datos debe conocer la distribución de probabilidad. Los conceptos de la ciencia de datos, como la estadística inferencial o las redes bayesianas, se desarrollan sobre los conceptos básicos de la probabilidad. Por tanto, para adentrarse en el mundo de la estadística, aprender probabilidad es imprescindible.

La Ciencia de Datos es actualmente uno de los campos interdisciplinares más demandados a tener en cuenta. Últimamente, ha habido mucho revuelo en torno a la misma, gracias a su inmensa profundidad de aplicación y su amplia cobertura para una serie de dominios.

En pocas palabras, la ciencia de datos extrae información y hechos de conjuntos de datos semiestructurados y estructurados mediante el uso de métodos, enfoques científicos, algoritmos y herramientas relacionadas. Estos resultados y conocimientos basados en datos pueden utilizarse como medio para mejorar la producción y la expansión empresarial, al tiempo que ayudan a anticipar las necesidades del usuario. Estas distribuciones de probabilidad o tipos de distribución de probabilidad son vitales a la hora de realizar análisis de datos mientras se preparan conjuntos de datos para el entrenamiento basado en modelos. En este artículo, conocerá más detalles sobre los tipos de distribución de probabilidad y otros tipos.

Distribución normal

Una buena pero sólida comprensión de las funciones estadísticas (antecedentes) es exigente, incluso de gran utilidad en la vida cotidiana. Por ejemplo, el concepto de distribución de datos, donde las distribuciones son simplemente la población, que contiene datos dispersos.

La distribución de datos es una función que determina los valores de una variable y cuantifica la frecuencia relativa, transforma los datos brutos en métodos gráficos para ofrecer información valiosa. Resulta sustancial comprender el tipo de distribución que tiene una población, lo que ayuda a aplicar técnicas/métodos estadísticos adecuados.

Por otra parte, cuando los estadísticos o los expertos en datos analizan conjuntos de datos, el primer paso es realizar un análisis exploratorio de datos (AED) para conocer las características de un rasgo específico en los conjuntos de datos que ayudan a comprender cualquier patrón presente en las distribuciones de datos.

Por lo tanto, es necesario comprender ciertos tipos de distribuciones de datos estadísticos para ayudar a identificar qué modelos son apropiados para su uso, y este es el tema principal de discusión a través de este blog.

Distribución binomial

Jerarquía de tiposTodos los muestreadores y distribuciones proporcionados en este paquete están organizados en una jerarquía de tipos que se describe a continuación.SampleableLa raíz de esta jerarquía de tipos es Sampleable. El tipo abstracto Sampleable subsume cualquier tipo de objeto del que se puedan extraer muestras, lo que incluye especialmente los muestreadores y las distribuciones. Formalmente, Sampleable se define como tipo abstracto Sampleable{F<:VariateForm,S<:ValueSupport} endTiene dos parámetros de tipo que definen el tipo de muestras que se pueden extraer de él.Distributions.Sampleable

Distribución Gamma

normalDist() Salida: La Función de Masa de Probabilidad de una Distribución de Bernoulli es: donde p = probabilidad de éxito y q = probabilidad de fracasoAquí hay un ejemplo de código que muestra el uso de la Distribución de Bernoulli: from scipy.stats import bernoulli

expDist()Salida:Tipos de distribución de probabilidad discreta - Hay varios tipos de distribución de probabilidad discreta que un aspirante a la ciencia de datos debe conocer. Algunas de ellas son - He aquí un ejemplo de código que muestra el uso de la Distribución Binomial - from numpy import random