Роликом, который вы увидите ниже, я хочу визуализировать процесс возникновения колокола Гаусса при одновременной генерации случайных чисел в заданных мной пределах по двум законам.
В одном случае идёт просто генерация числа от 1 до 100 случайным образом (представим себе игральную кость со 100 гранями и разными значениями на них) и делится на корзины по 10 в каждой. В другом — генерируется по законам нормального распределения со средним значением и отклонением от оного.
Как результат, получаем гауссовское распределение, которое мы и используем для различных целей. В основном — в формулах управления запасами.
Ну а после ролика можете почитать немного из скучной академической части про математику и определения.
Нормальное распределение - ключевое понятие в нашей профессии (управление цепями поставок). Хотя используем и другие (например, распределение Пуассона). Все они имеют свои уникальные характеристики и применения и достаточно подробно преподаются на курсах по высшей математике и мат.анализу.
Нормальное распределение
Также известное как гауссово распределение, характеризуется симметричной формой, напоминающей колокол.
Основные его свойства:
- Симметрия
- График нормального распределения симметричен относительно среднего значения (математического ожидания).
- Определенные параметры: Оно определяется двумя параметрами — средним (μ) и стандартным отклонением (σ). Эти параметры определяют положение и ширину кривой.
- Эмпирическое правило: примерно 68% данных находятся в пределах одного стандартного отклонения от среднего, 95% — в пределах двух, и 99.7% — в пределах трех.
Нормальное распределение широко используется в различных областях, таких как психология, экономика и естественные науки — для описания множества явлений, включая рост людей, ошибки измерений и другие случайные процессы. Мы же, конечно, используем это нормальное распределение в управлении цепями поставок.
В то время как нормальное распределение является специфическим и широко используемым типом случайного распределения, другие распределения (их десятки) в целом охватывают гораздо более широкий спектр моделей. Понимание этих отличий важно для корректного применения статистических методов и интерпретации данных в различных научных и практических задачах.
Приходите на мою бизнес-игру SUPPLY GAME, где будем разбираться в разных математических моделях управления запасами.
И всегда помните:
Играй, учись, побеждай!
Также мои статьи Вы можете почитать на сайте