การแจกแจงปกติแบบตัดช่วงคืออะไร?
การแจกแจงปกติแบบตัดช่วงคือการแจกแจงปกติที่กำหนดเงื่อนไขให้ค่าอยู่ภายในขอบล่างและขอบบน บางครั้งเรียกว่า bounded normal หรือ truncated Gaussian
ใช้ได้กับค่าที่ต้องไม่ต่ำกว่าหรือสูงกว่าขอบ เช่น ค่าไม่ติดลบ คะแนน 0–100 ความน่าจะเป็น 0–1 หรือการสุ่มเฉพาะส่วนหาง
การตัดช่วงเปลี่ยนค่าเฉลี่ย ความแปรปรวน และรูปทรงใกล้ขอบ เครื่องมือนี้ใช้ inverse CDF เพื่อหลีกเลี่ยง rejection sampling ที่ช้าในกรณีตัดช่วงสุดโต่ง
สำหรับการตัดสินใจสำคัญด้านการแพทย์ การเงิน หรือกฎหมาย ให้ใช้หน้านี้เป็นสื่อเรียนรู้เท่านั้น และตรวจยืนยันกับแหล่งข้อมูลผู้เชี่ยวชาญที่เหมาะสม ไม่จำเป็นต้องใส่ข้อมูลส่วนบุคคล
ค่าตั้งต้น
เลือกค่าตั้งต้นที่ใช้บ่อย แล้วปรับค่าเพิ่มเติมได้หลังจากนำไปใช้
เคล็ดลับ: ค่าตั้งต้นมีไว้เป็นจุดเริ่มต้น
ตัวสร้าง
ตั้งค่า μ/σ และขอบเขต จากนั้นสร้างและส่งออกตัวอย่าง
สถิติตัวอย่าง
ตัวอย่าง (20 ค่าแรก)
วิธีใช้เครื่องมือนี้
ใช้เมื่อโมเดลปกติมีประโยชน์ แต่ค่าที่ต่ำกว่าหรือสูงกว่าขอบเป็นไปไม่ได้
ใช้ใน 3 ขั้นตอน
- กำหนดค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของการแจกแจงปกติต้นฉบับ แล้วตั้งขอบล่างและขอบบน
- สร้างตัวอย่าง แล้วเปรียบเทียบฮิสโตแกรมกับค่าเฉลี่ย ความแปรปรวน และมวลที่เหลือหลังตัดช่วง
- ขยับขอบทีละด้านเพื่อแยกว่าการเปลี่ยนแปลงมาจากการตัดช่วงหรือจากพารามิเตอร์ของปกติต้นฉบับ
อ่านผลลัพธ์
ค่าเฉลี่ยและความแปรปรวนที่แสดงเป็นของการแจกแจงหลังตัดช่วง ไม่ใช่การแจกแจงปกติต้นฉบับ มวลที่เหลือคือสัดส่วนของปกติต้นฉบับที่อยู่ระหว่างสองขอบ
ตรวจขอบ
- ถ้ามวลที่เหลือน้อย การตัดช่วงรุนแรงและค่าเฉลี่ยอาจย้ายมาก
- การ clip ค่าปกติไม่ใช่โมเดลเดียวกับการแจกแจงปกติแบบตัดช่วงจริง
- แยกผลของการเปลี่ยนขอบออกจากผลของการเปลี่ยนส่วนเบี่ยงเบนมาตรฐาน