Wikipedia มีหน้าเว็บที่แสดงรายการการแจกแจงความน่าจะเป็นจำนวนมากพร้อมลิงก์ไปยังรายละเอียดเพิ่มเติมเกี่ยวกับการเผยแพร่แต่ละครั้ง คุณสามารถตรวจสอบรายชื่อและทำตามลิงก์เพื่อให้รู้สึกดีขึ้นสำหรับประเภทของแอปพลิเคชันที่มีการใช้การแจกแจงที่แตกต่างกัน
เพียงจำไว้ว่าการแจกแจงเหล่านี้ใช้เพื่อจำลองความเป็นจริงและดังที่ Box กล่าวว่า: "โมเดลทั้งหมดผิดรุ่นบางรุ่นมีประโยชน์"
นี่คือบางส่วนของการแจกแจงทั่วไปและสาเหตุบางประการที่เป็นประโยชน์:
ปกติ: สิ่งนี้มีประโยชน์สำหรับการดูค่าเฉลี่ยและชุดค่าผสมเชิงเส้นอื่น ๆ (เช่นค่าสัมประสิทธิ์การถดถอย) เนื่องจากค่า CLT เกี่ยวข้องกับสิ่งนั้นหากรู้ว่ามีสิ่งใดเกิดขึ้นเนื่องจากผลกระทบที่เพิ่มขึ้นของสาเหตุเล็ก ๆ ที่แตกต่างกันจากนั้นปกติอาจเป็นการกระจายที่สมเหตุสมผล: ตัวอย่างเช่นมาตรการทางชีวภาพหลายอย่างเป็นผลมาจากยีนหลายตัวและปัจจัยสิ่งแวดล้อมหลายอย่าง .
แกมม่า: เอียงขวาและมีประโยชน์สำหรับสิ่งต่าง ๆ ที่มีค่าต่ำสุดเป็นธรรมชาติที่ 0 ใช้กันทั่วไปสำหรับเวลาที่ผ่านไปและตัวแปรทางการเงินบางอย่าง
เอกซ์โพเนนเชียล: กรณีพิเศษของแกมม่า มันไม่มีหน่วยความจำและปรับขนาดได้อย่างง่ายดาย
Chi-squared ( ): กรณีพิเศษของแกมม่า เกิดขึ้นเป็นผลรวมของตัวแปรปกติกำลังสอง (เพื่อใช้สำหรับผลต่าง)χ2
เบต้า: กำหนดระหว่าง 0 ถึง 1 (แต่สามารถเปลี่ยนเป็นค่าระหว่างค่าอื่น ๆ ได้) มีประโยชน์สำหรับสัดส่วนหรือปริมาณอื่น ๆ ที่ต้องอยู่ระหว่าง 0 ถึง 1
ทวินาม: จำนวน "ความสำเร็จ" จากจำนวนการทดลองอิสระที่กำหนดโดยมีความน่าจะเป็นเท่ากันคือ "ความสำเร็จ"
ปัวซอง: สามัญสำหรับการนับ คุณสมบัติที่ดีที่หากจำนวนของเหตุการณ์ในช่วงเวลาหรือพื้นที่ตามปัวซองแล้วจำนวนในเวลาสองครั้งหรือพื้นที่ยังคงตามปัวซอง (โดยมีค่าเฉลี่ยเป็นสองเท่า): การทำงานเพื่อเพิ่ม Poissons หรือสเกลด้วยค่าอื่นที่ไม่ใช่ 2
โปรดทราบว่าหากเหตุการณ์เกิดขึ้นเมื่อเวลาผ่านไปและเวลาระหว่างเหตุการณ์ที่เกิดขึ้นเป็นไปตามเลขชี้กำลังจำนวนที่เกิดขึ้นในช่วงเวลาจะตามด้วยปัวซอง
Binomial เชิงลบ: นับด้วยค่าต่ำสุด 0 (หรือค่าอื่น ๆ ขึ้นอยู่กับเวอร์ชัน) และไม่มีขอบเขตบน แนวคิดมันเป็นจำนวนของ "ความล้มเหลว" ก่อนที่ k "ประสบความสำเร็จ" ทวินามลบก็เป็นส่วนผสมของตัวแปรปัวซองซึ่งหมายความว่ามาจากการแจกแจงแกมม่า
ทางเรขาคณิต: กรณีพิเศษสำหรับลบทวินามซึ่งเป็นจำนวน "ความล้มเหลว" ก่อนที่จะ "ประสบความสำเร็จ" ครั้งแรก หากคุณตัดทอน (ปัดเศษลง) เป็นตัวแปรเอ็กซ์โปเนนเชียลเพื่อให้แยกกันผลลัพธ์จะเป็นรูปทรงเรขาคณิต
EstimatedDistribution
ฟังก์ชั่น