Distribuții

uniforme
discrete

B E L D I E A N D RA

C Î R S T E A A L E X A N D RA
 1.
Parametri
descriptiv
i
Evenimentele care urmează
o
distribuție uniformă sunt cele
în care toate rezultatele au
probabilitate egală.
Definirea parametrilor
se identifică în tabelul alăturat
 Probability Mass Function

PMF Exemplu

• Rularea unui zar cu șase fețe.

• Când rulăm un astfel de zar avem șanse egale de a obține orice valoare de la 1 la 6.

• Graficul distribuției probabilității ar avea șase bare la fel de înalte, toate ajungând până la 1/6.

oDefinirea concretă a funcției este definită prin:

 Probability Mass Function

• Probability Mass Function (PMF) este o funcție care dă probabilitatea ca o variabilă aleatorie discretă să fie exact egală
cu o anumită valoare.

• PMF este adesea modalitatea principală de a defini o distribuție discretă a probabilităților și astfel de funcții există fie
pentru variabile aleatorii scalare sau multivariate al căror domeniu este discret.
 Parametri utilizați în cadrul plot-
urilor

l linie
p plot
b atât linie cât și punct
xlim stabilește intervalul pe axa x
ylim stabilește intervalul pe axa y
xlab stabilește eticheta pe axa x
ylab stabilește eticheta pe axa y
principa
l stabilește tipul parcelei
 Funcția de distribuție
cumulativă
Definirea este redată prin funcția
 Generarea de date aleatorii

• Putem folosi funcția de eșantion pentru a genera

date dintr-o distribuție uniformă discretă.
 Calcularea frecvențelor datelor
aleatorii
• Vom folosi funcția tabel pentru a calcula frecvențele datelor aleatorii.

• Pentru a crea tabelul de frecvențe cu funcția kable din pachetul knitr, trebuie să
transformăm tabelul într-un cadru de date
Diagrame
 Diagrame
• Crearea unei diagrame de tip bare
transformând y într-o variabilă
nominală utilizând funcția factor
 Exercițiu
 O universitate în care sălile pot fi
rezervate pentru maximum 4 ore.

 Meeting-urile și seminariile posibile sunt

multiple, iar durata lor poate varia.

 Asumăm că durata unor astfel de întâlniri

este aleatorie: variabila x are o distribuție
uniformă care poate lua valori de la 0 la 4.

X ~ U(0, 4)
 Care este probabilitatea ca o sală să fie rezervată pentru o oră (colorată în albastru)?

 Probabilitatea pentru ca sala să fie rezervată mai mult de o oră (colorată cu gri)?
 Exemple
- utilizarea distribuției uniforme
discrete -
MONTE CARLO SIMULATION INVENTORY MANAGEMENT

 Simularea se bazează pe repetarea Cantitate optimă de comandă

eșantioanelor aleatorii pentru a obține
Numărul de comenzi așteptat
rezultate numerice.
Timpul preconizat între comenzi
 Poate fi folosit pentru a înțelege
efectul incertitudinii și evenimentelor
Service Level = 75%
aleatorii în modelele de prognoză.

Quantity

Stockout risk = 1.00 – 0.75 = 0.25