Dirichlet वितरण क्या है?
Dirichlet वितरण ऐसे वेक्टर बनाता है जिनके घटक ऋणात्मक नहीं होते और कुल 1 होता है। यह अनुपात, श्रेणी प्रायिकताओं और विषय-हिस्सों के लिए उपयोगी है।
α_iहर घटक का अपेक्षित आकार नियंत्रित करता है।- कुल कंसन्ट्रेशन जितना बड़ा, नमूने मीन वेक्टर के उतने पास।
α_i<1हो तो नमूने कोनों या सीमा के पास जा सकते हैं।K=2पर यह Beta वितरण से जुड़ता है।
इस टूल के लिए निजी डेटा डालने की जरूरत नहीं है। सेटिंग्स साझा करते समय लेबल में संवेदनशील डेटा न रखें।
प्रीसेट
आम आकृतियों को शुरुआती बिंदु की तरह चुनें। लागू करने के बाद भी मान बदल सकते हैं।
सुझाव: K बड़ा हो तो लंबी URL के बजाय प्रोफ़ाइल JSON साझा करें।
जनरेटर
पैरामीटर पद्धति चुनें, नमूने बनाएं, फिर मीन, सीमांत वितरण और निदान देखें।
घटक आँकड़े
| घटक | सैद्धांतिक मीन | नमूना मीन | सैद्धांतिक वैरिएंस | नमूना वैरिएंस |
|---|
नमूना प्रिव्यू (पहले 20)
प्रोफ़ाइल JSON (सेटिंग्स save/restore)
साझा URL में सिर्फ सेटिंग्स रहती हैं। K बड़ा हो तो लंबी URL से बचने के लिए प्रोफ़ाइल JSON से save/restore करें।
सुझाव: साझा की गई प्रोफ़ाइल में ग्राहक नाम जैसे संवेदनशील लेबल न रखें।
कैसे इस्तेमाल करें
जब हर घटक ऋणात्मक नहीं हो और कुल 1 होना चाहिए, तब प्रायिकता वेक्टर नमूने बनाने के लिए इस्तेमाल करें।
3 चरण
K=3जैसे छोटे डाइमेंशन और आसानी से समझ आने वाले प्रीसेट से शुरू करें।- नमूने बनाने के बाद सैद्धांतिक मीन, सीमांत वितरण और पंक्ति प्रिव्यू साथ में देखें।
- मीन बदलाव और कंसन्ट्रेशन बदलाव अलग देखने के लिए एक बार में एक
αमान या कंसन्ट्रेशन सेटिंग बदलें।
परिणाम कैसे पढ़ें
हर पंक्ति एक प्रायिकता वेक्टर है। मीन हर घटक का अपेक्षित हिस्सा दिखाता है। कंसन्ट्रेशन बताता है कि नमूने उस मीन के कितने पास रहेंगे।
सीमा जाँच
α_i<1हो तो सिम्प्लेक्स कोनों या सीमाओं के पास भार बढ़ता है।- राउंडिंग के बाद निर्यात मानों का दिखने वाला कुल 1 से थोड़ा अलग दिख सकता है।
K=2हो तो संबंधित विशेष स्थिति के लिए Beta टूल से तुलना करें।
अक्सर पूछे जाने वाले सवाल
घटकों के बीच ऋणात्मक सहसंबंध क्यों दिखता है?
नमूने सिम्प्लेक्स के कोनों के पास क्यों जाते हैं?
निर्यात की पंक्तियाँ ठीक 1 तक क्यों नहीं जुड़तीं?
यह Beta वितरण से कैसे अलग है?
पहले क्या देखना चाहिए?
संबंधित टूल्स
- वितरण टूल्स का अवलोकनवितरण जनरेटर और रैंडम निदान साथ में देखें।
- वितरण सैंपलरNormal, Gamma, Beta आदि वितरण की तुलना एक ही पेज पर करें।
- बीटा वितरण जनरेटर0 से 1 के बीच proportion या प्रायिकता नमूने बनाएं।
- डिरिख्ले वितरण जनरेटरकुल 1 वाले प्रायिकता वेक्टर बनाएं।
- त्रिकोणीय वितरण जनरेटरminimum, mode और maximum से bounded model बनाएं।
- कटे हुए नॉर्मल वितरण जनरेटरbounds के अंदर रहने वाले normal नमूने बनाएं।
- वीबुल वितरण जनरेटरlifetime, waiting time या failure-time नमूने बनाएं।
- रैंडमनेस टेस्टरैंडम आउटपुट में bias या structure जल्दी जांचें।
- यादृच्छिक और संभावना गाइडरैंडम tools और प्रायिकता calculators के लिए अगला रास्ता देखें।
अक्सर पूछे जाने वाले प्रश्न
घटकों के बीच negative correlation क्यों दिखता है?
क्योंकि सभी घटकों का योग 1 होना चाहिए। एक घटक बढ़े तो आम तौर पर कोई दूसरा घटक घटता है।
नमूने simplex के कोनों के पास क्यों जाते हैं?
जब एक या अधिक α मान 1 से कम हों, या कुल कंसन्ट्रेशन छोटा हो, तो डेंसिटी simplex की सीमा की ओर जाती है।
निर्यात की पंक्तियाँ ठीक 1 तक क्यों नहीं जुड़तीं?
राउंडिंग के बाद दिखने वाले मानों का योग थोड़ा अलग लग सकता है। अंदर के बिना राउंड किए नमूने फिर भी 1 तक जुड़ते हैं।
यह Beta वितरण से कैसे अलग है?
Dirichlet पूरा प्रायिकता वेक्टर संभालता है। Beta उसका दो-घटक विशेष मामला है।
पहले क्या देखना चाहिए?
कम डाइमेंशन वाले आधार से शुरू करें। फिर एक बार में सिर्फ़ एक α मान या कंसन्ट्रेशन सेटिंग बदलें।