Сообщить об ошибкеКороткий ответ
Дискретная случайная величина принимает отдельные, перечислимые значения (например, количество заказов), а непрерывная может принимать любое значение в интервале (например, время на сайте, доход).
Как это работает подробнее
для дискретных величин вероятность конкретного значения может быть больше нуля (распределение Пуассона, биномиальное); для непрерывных величин вероятность попадания в точку равна нулю, вместо этого говорят о плотности вероятности и вероятности попадания в интервал.
Пример кода
Пример на Python
import numpy as np
orders_per_user = np.random.poisson(lam=2, size=1000) # дискретное
session_time_min = np.random.exponential(scale=5, size=1000) # непрерывное
print(orders_per_user[:10])
print(session_time_min[:10].round(2))Что использовать на практике
- На практике: тип переменной влияет на выбор модели и визуализации: количество кликов на пользователя обычно моделируют распределением Пуассона или отрицательным биномиальным, а время между событиями — экспоненциальным распределением. Гистограммы для дискретных величин с малым числом значений лучше строить со столбиками по каждому значению, а не «размазывать» по интервалам. На практике тип переменной также определяет, какую визуализацию выбрать: для дискретных величин со множеством значений иногда лучше работает гистограмма с шагом бина в одну единицу.
- Проверка: для orders_per_user все значения — целые неотрицательные числа, для session_time_min — вещественные, что соответствует природе каждой величины.
Подводные камни
- Частые ошибки: применять методы, рассчитанные на непрерывные нормальные данные (например, t-test без оговорок), к счётным данным с малыми значениями без проверки предположений; визуализировать дискретные данные непрерывной гистограммой с произвольным числом бинов, искажая восприятие; путать «дискретное» с «категориальным» — количество заказов дискретно, но упорядочено и численно, в отличие от, например, цвета товара. Ещё одна ошибка — применять непрерывные распределения (например, нормальное) для моделирования счётных величин с малыми значениями, где форма распределения существенно отличается.