एक द्विपद वृक्ष की दो शाखाएँ होती हैं, जिनमें संभवतः 0.5 होती हैं। दरअसल, पी = 0.5, और क्यू = 1-0.5 = 0.5। यह समान रूप से वितरित संभावना जन के साथ एक सामान्य वितरण उत्पन्न करता है।
दरअसल, हमें यह मानकर चलना होगा कि पेड़ का प्रत्येक टियर पूरा हो चुका है। जब हम डेटा को डिब्बे में तोड़ते हैं, तो हमें विभाजन से एक वास्तविक संख्या मिलती है, लेकिन हम गोल हो जाते हैं। ठीक है, यह एक स्तरीय है जो अधूरा है, इसलिए हम सामान्य रूप से अनुमान लगाने वाले हिस्टोग्राम के साथ समाप्त नहीं होते हैं।
शाखाओं में बंटी संभावनाओं को बदलकर p = 0.9999 और q = 0.0001 कर दिया जाए और यह हमें सामान्य तिरछा हो जाता है। संभावना जन स्थानांतरित कर दिया। यह तिरछापन का हिसाब है।
2 ^ n से कम अधूरा टीयर या डिब्बे होने से उन क्षेत्रों के साथ द्विपद वृक्ष उत्पन्न होते हैं जिनमें कोई संभाव्यता द्रव्यमान नहीं होता है। इससे हमें कुरूपता होती है।
टिप्पणी करने के लिए प्रतिक्रिया:
जब मैं डिब्बे की संख्या निर्धारित करने के बारे में बात कर रहा था, तो अगले पूर्णांक तक गोल करें।
Quincunx मशीनें गेंदों को छोड़ती हैं जो अंततः द्विपद के माध्यम से सामान्य वितरण का अनुमान लगाती हैं। इस तरह की मशीन द्वारा कई धारणाएं बनाई जाती हैं: 1) डिब्बे की संख्या परिमित है, 2) अंतर्निहित पेड़ द्विआधारी है, और 3) संभावनाएं तय की जाती हैं। न्यूयॉर्क में संग्रहालय के गणित में Quincunx मशीन, उपयोगकर्ता को गतिशील रूप से संभावनाओं को बदलने की सुविधा देती है। वर्तमान परत समाप्त होने से पहले ही संभावनाएं कभी भी बदल सकती हैं। इसलिए डिब्बे नहीं भरे जाने के बारे में यह विचार।
अपने मूल उत्तर में जो मैंने कहा, उसके विपरीत जब आप पेड़ में शून्य होते हैं, तो वितरण कर्टोसिस प्रदर्शित करता है।
मैं इसे जेनरेटर सिस्टम के नजरिए से देख रहा हूं। मैं निर्णय पेड़ों को संक्षेप करने के लिए एक त्रिकोण का उपयोग करता हूं। जब एक उपन्यास निर्णय लिया जाता है, तो त्रिकोण के आधार पर और डिब्बे में वितरण के संदर्भ में अधिक डिब्बे जोड़े जाते हैं। पेड़ से ट्रिमिंग सबस्ट्रेट्स वितरण की संभाव्यता द्रव्यमान में voids छोड़ देंगे।
मैंने केवल आपको एक सहज ज्ञान देने के लिए उत्तर दिया। लेबल? मैंने एक्सेल का उपयोग किया है और द्विपद में संभावनाओं के साथ खेला है और अपेक्षित स्क्यू उत्पन्न किया है। मैंने कुर्तोसिस के साथ ऐसा नहीं किया है, यह मदद नहीं करता है कि हम भाषा सुझाव आंदोलन का उपयोग करते समय स्थिर होने के रूप में संभाव्यता द्रव्यमान के बारे में सोचने के लिए मजबूर हों। अंतर्निहित डेटा या गेंद कुर्तोसिस का कारण बनते हैं। फिर, हम इसका विभिन्न विश्लेषण करते हैं और इसे केंद्र, कंधे और पूंछ जैसे वर्णनात्मक शब्दों को आकार देने के लिए विशेषता देते हैं। हमें जिन चीजों के साथ काम करना है वो केवल डिब्बे हैं। यदि डेटा नहीं कर सकता तो भी डायनेमिक जीवन जीते हैं।