Wikipedia có một trang liệt kê nhiều phân phối xác suất với các liên kết đến chi tiết hơn về mỗi phân phối. Bạn có thể xem qua danh sách và theo các liên kết để cảm nhận rõ hơn về các loại ứng dụng mà các bản phân phối khác nhau thường được sử dụng.
Chỉ cần nhớ rằng các bản phân phối này được sử dụng để mô hình hóa thực tế và như Box nói: "tất cả các mô hình đều sai, một số mô hình là hữu ích".
Dưới đây là một số phân phối phổ biến và một số lý do khiến chúng hữu ích:
Bình thường: Điều này rất hữu ích để xem xét các phương tiện và các kết hợp tuyến tính khác (ví dụ: hệ số hồi quy) vì CLT. Liên quan đến điều đó là nếu một cái gì đó được biết là phát sinh do tác động cộng gộp của nhiều nguyên nhân nhỏ khác nhau thì bình thường có thể là một phân phối hợp lý: ví dụ, nhiều biện pháp sinh học là kết quả của nhiều gen và nhiều yếu tố môi trường và do đó thường xấp xỉ bình thường .
Gamma: Phải lệch và hữu ích cho những thứ có mức tối thiểu tự nhiên là 0. Thường được sử dụng cho thời gian trôi qua và một số biến tài chính.
Số mũ: trường hợp đặc biệt của Gamma. Nó là bộ nhớ và quy mô dễ dàng.
Chi-bình phương ( ): trường hợp đặc biệt của Gamma. Phát sinh dưới dạng tổng của các biến bình thường bình phương (được sử dụng cho phương sai).χ2
Beta: Được xác định trong khoảng từ 0 đến 1 (nhưng có thể được chuyển đổi thành giữa các giá trị khác), hữu ích cho tỷ lệ hoặc các đại lượng khác phải nằm trong khoảng từ 0 đến 1.
Binomial: Có bao nhiêu "thành công" trong số các thử nghiệm độc lập nhất định có cùng xác suất "thành công".
Poisson: Phổ biến cho số lượng. Các đặc tính tuyệt vời là nếu số lượng sự kiện trong một khoảng thời gian hoặc khu vực tuân theo Poisson, thì số đó trong hai lần thời gian hoặc khu vực vẫn theo Poisson (với hai lần giá trị trung bình): điều này hoạt động để thêm Poissons hoặc chia tỷ lệ với các giá trị khác 2.
Lưu ý rằng nếu các sự kiện xảy ra theo thời gian và thời gian giữa các lần xuất hiện theo cấp số nhân thì số xảy ra trong một khoảng thời gian sẽ xảy ra sau một Poisson.
Binomial âm: Đếm với 0 tối thiểu (hoặc giá trị khác tùy thuộc vào phiên bản nào) và không có giới hạn trên. Về mặt khái niệm, đó là số lần "thất bại" trước k "thành công". Nhị thức âm cũng là một hỗn hợp của các biến Poisson có nghĩa là đến từ phân phối gamma.
Hình học: trường hợp đặc biệt cho nhị thức âm trong đó là số "thất bại" trước "thành công" đầu tiên. Nếu bạn cắt bớt (làm tròn xuống) một biến số mũ để làm cho nó rời rạc, kết quả là hình học.
EstimatedDistribution
Mathicala .