Truncated normal वितरण क्या है?
Truncated normal वितरण normal वितरण को a≤X≤b जैसी range में सीमित करके फिर normalize करता है।
- 0 से ऊपर values, 0–100 scores, 0–1 प्रायिकता-like values या tail sampling में उपयोगी।
- truncation मीन और वैरिएंस बदल देता है, और सीमा के पास shape भी बदल सकती है।
यह टूल inverse CDF method इस्तेमाल करता है, इसलिए extreme truncation में slow rejection sampling से बचता है।
medical, finance या legal निर्णय के लिए इसे केवल learning reference मानें। अंतिम निर्णय के लिए भरोसेमंद expert source देखें। निजी डेटा डालने की जरूरत नहीं है।
प्रीसेट
आम shapes को शुरुआती बिंदु की तरह चुनें। लागू करने के बाद भी values बदल सकते हैं।
Tip: presets सिर्फ शुरुआती बिंदु हैं; लागू करने के बाद values बदल सकते हैं।
जनरेटर
μ/σ और सीमाएँ सेट करें। फिर नमूने बनाकर एक्सपोर्ट करें।
नमूना आँकड़े
नमूने (पहले 20)
कैसे इस्तेमाल करें
जब normal model useful हो, लेकिन lower या upper bound के बाहर values संभव न हों, तब इस्तेमाल करें।
3 स्टेप
- original normal वितरण का मीन और standard deviation सेट करें, फिर truncation lower/upper bounds सेट करें।
- नमूने बनाएं और हिस्टोग्राम को truncated मीन, वैरिएंस और retained भार से तुलना करें।
- एक बार में एक सीमा बदलें, ताकि असर truncation से है या normal पैरामीटर से, यह अलग दिखे।
परिणाम कैसे पढ़ें
दिखाया गया मीन और वैरिएंस truncated वितरण के हैं, original normal के नहीं। retained भार बताता है कि original वितरण का कितना हिस्सा दोनों सीमाएँ के बीच बचता है।
सीमा checks
- retained भार छोटा हो तो truncation मजबूत है और मीन काफी shift हो सकता है।
- values को सीमा पर clip करना और true truncated normal वितरण एक जैसे नहीं हैं।
- सीमा बदलने और standard deviation बदलने के effects को अलग रखें।
अक्सर पूछे जाने वाले सवाल
कटे हुए नॉर्मल में मीन क्यों बदलता है?
retained भार या Z क्या है?
यह values को सीमा पर clip करने से कैसे अलग है?
दूसरे कैलकुलेटर से परिणाम अलग क्यों हो सकते हैं?
पहले क्या देखें?
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।