Dirichlet वितरण क्या है?
Dirichlet वितरण non-negative vectors बनाता है जिनका total 1 होता है। यह proportions, category probabilities और topic हिस्सों के लिए उपयोगी है।
α_iहर घटक की expected size नियंत्रित करता है।- total कंसन्ट्रेशन जितनी बड़ी, नमूने मीन vector के उतने पास।
α_i<1हो तो नमूने corners 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 labels में sensitive data न रखें।
प्रीसेट
आम shapes को शुरुआती बिंदु की तरह चुनें। लागू करने के बाद भी values बदल सकते हैं।
Tip: K बड़ा हो तो लंबी URL के बजाय प्रोफ़ाइल JSON साझा करें।
जनरेटर
पैरामीटर method चुनें, नमूने बनाएं, फिर मीन, marginal वितरण और diagnostics देखें।
घटक stats
| घटक | theoretical मीन | नमूना मीन | theoretical 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।
Tip: साझा की गई प्रोफ़ाइल में customer name जैसे sensitive labels न रखें।
कैसे इस्तेमाल करें
जब हर घटक non-negative हो और total 1 होना चाहिए, तब प्रायिकता vector नमूने बनाने के लिए इस्तेमाल करें।
3 स्टेप
K=3जैसे छोटे डाइमेंशन और आसानी से समझ आने वाले preset से शुरू करें।- नमूने बनाने के बाद theoretical मीन, marginal वितरण और row प्रिव्यू साथ में देखें।
- मीन shift और कंसन्ट्रेशन change अलग देखने के लिए एक बार में एक
αvalue या कंसन्ट्रेशन setting बदलें।
परिणाम कैसे पढ़ें
हर row एक प्रायिकता vector है। मीन हर घटक का अपेक्षित हिस्सा दिखाता है। कंसन्ट्रेशन बताता है कि नमूने उस मीन के कितने पास रहेंगे।
सीमा checks
α_i<1हो तो simplex corners या सीमाएँ के पास भार बढ़ता है।- rounding के बाद एक्सपोर्ट values का visible total 1 से थोड़ा अलग दिख सकता है।
K=2हो तो corresponding special case Beta tool से तुलना करें।
अक्सर पूछे जाने वाले सवाल
घटकों के बीच negative correlation क्यों दिखता है?
नमूने simplex के कोनों के पास क्यों जाते हैं?
एक्सपोर्ट की rows ठीक 1 तक add क्यों नहीं दिखतीं?
यह Beta वितरण से कैसे अलग है?
पहले क्या देखना चाहिए?
संबंधित टूल्स
- वितरण टूल्स का overviewवितरण generators और रैंडम diagnostics 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 vectors 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।