Think Stats, 3a edizione

Capitolo 6. Funzioni di densità di probabilità

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: [e-mail]

Nel capitolo precedente abbiamo modellato i dati con distribuzioni teoriche come quella binomiale, di Poisson, esponenziale e normale.

Le distribuzioni binomiale e di Poisson sono discrete, il che significa che gli esiti devono essere distinti o elementi separati, come un numero intero di colpi e mancanze o di gol segnati. In una distribuzione discreta, ogni risultato è associato a una massa di probabilità.

La distribuzione esponenziale e quella normale sono continue, il che significa che i risultati possono trovarsi in qualsiasi punto di una gamma di valori possibili. In una distribuzione continua, ogni risultato è associato a una densità di probabilità. La densità di probabilità è un'idea astratta e molte persone la trovano difficile all'inizio, ma noi la affronteremo un passo alla volta. Come primo passo, pensiamo di nuovo al confronto tra distribuzioni.

Confronto tra distribuzioni

Nel capitolo precedente, quando abbiamo confrontato le distribuzioni discrete, abbiamo utilizzato un grafico a barre per mostrare le loro funzioni di massa di probabilità (PMF). Quando abbiamo confrontato le distribuzioni continue, abbiamo utilizzato un grafico a linee per mostrare le loro funzioni di distribuzione cumulativa (CDF).

Per le distribuzioni discrete, avremmo potuto utilizzare anche le CDF. Ad esempio, ...