Binomial ဖြန့်ဝေခြင်း။
Binomial ဖြန့်ဝေခြင်း။
Binomial Distribution သည် Discrete Distribution ဖြစ်သည်။
၎င်းသည် ဒွိဟိတ်အခြေအနေများ၏ ရလဒ်ကို ဖော်ပြသည်၊ ဥပမာ- ဒင်္ဂါးပြားကို ပစ်ချခြင်းသည် ခေါင်း သို့မဟုတ် အမြီးများ ဖြစ်လိမ့်မည်။
၎င်းတွင် parameter သုံးခုရှိသည်။
n
- စမ်းသပ်မှုအရေအတွက်။
p
- အစမ်းသုံးမှုတစ်ခုစီ၏ဖြစ်နိုင်ခြေ (ဥပမာ- အကြွေစေ့တစ်ခုစီကို 0.5 စီ ဆမ်းရန်)။
size
- ပြန်ထားသော ခင်းကျင်း၏ ပုံသဏ္ဍာန်။
Discrete Distribution- ဖြန့်ဖြူး မှုကို သီးခြားဖြစ်ရပ်အစုံတွင် သတ်မှတ်ထားသည်၊ ဥပမာ- အကြွေစေ့ပစ်ခြင်း၏ရလဒ်သည် ဦးခေါင်း သို့မဟုတ် အမြီးများသာဖြစ်နိုင်သောကြောင့် လူများ၏အမြင့်သည် 170၊ 170.1၊ 170.11 အစရှိသည်ဖြင့် ဆက်တိုက်ဖြစ်နေနိုင်သောကြောင့် ဖြန့်ဝေမှုကို သီးခြားသတ်မှတ်ထားသည်။
ဥပမာ
အကြွေစေ့ပစ်ခြင်းအတွက် စမ်းသပ်မှု 10 ခု ပေးထားသည့် ဒေတာအချက် 10 မှတ်ကို ထုတ်ပေးသည်-
from numpy import random
x = random.binomial(n=10, p=0.5, size=10)
print(x)
Binomial Distribution ကို မြင်ယောင်ခြင်း။
ဥပမာ
from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns
sns.distplot(random.binomial(n=10, p=0.5, size=1000), hist=True, kde=False)
plt.show()
ရလဒ်
ပုံမှန်နှင့် Binomial ဖြန့်ဝေမှုကြား ကွာခြားချက်
အဓိကခြားနားချက်မှာ ပုံမှန်ဖြန့်ဖြူးမှုသည် အဆက်မပြတ်ဖြစ်ပြီး binomial သည် သီးခြားဖြစ်သည်၊ သို့သော် လုံလောက်သောဒေတာအချက်များရှိပါက ၎င်းသည် အချို့သောနေရာနှင့်စကေးဖြင့် ပုံမှန်ဖြန့်ဝေမှုနှင့် အတော်လေးဆင်တူမည်ဖြစ်သည်။
ဥပမာ
from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns
sns.distplot(random.normal(loc=50, scale=5, size=1000), hist=False,
label='normal')
sns.distplot(random.binomial(n=100, p=0.5, size=1000), hist=False,
label='binomial')
plt.show()