如何区别离散变量和连续变量？

Posted 2023-05-16

离散变量和连续变量的区别：

1、定义不同

离散变量指变量值可以按一定顺序一一列举，通常以整数位取值的变量。在一定区间内可以任意取值的变量叫连续变量，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。

2、概率分布不同

离散变量的概率分布，常用的有二项分布、泊松(Poisson)分布。其余的还有两点分布、几何分布、超几何分布等概率分布。

连续变量的概率分布，常用的有指数分布、均匀分布、正态分布等等。

扩展资料：

二项分布

二项分布是基于贝努里(Bernoulli)试验的分布。贝努里试验是一种重要的概率模型。是历史上最早研究的概率论模型之一。有下面两个特点的试验称为贝努里试验。

1、对立性：每次试验的结果只可能是A或A上面加一个杠。

2、独立重复性：每次试验的结果互不影响。且P(A)=p，P（A上面加一个杠）=1-p=q。

掷币(掷正与掷反)、射击(击中与不中)、动物试验(存活与死亡)、药物疗效(有效与无效)、化验结果(阳性与阴性)等。都是在重复进行贝努里试验。

参考资料来源：百度百科--离散变量

参考资料来源：百度百科--连续变量

参考技术A

离散变量和连续变量之间的差异可以基于以下理由清楚地得出：

1、统计变量假设有限的数据集和可数的数值，然后它被称为离散变量。与此相反，采用无限数据集和无数数值的定量变量称为连续变量。

2、对于非重叠或以其他方式称为相互包含的分类，其中包括类限制，适用于离散变量。相反，对于重叠或相互排斥的分类，其中排除上限类别，适用于连续变量。

3、在离散变量中，指定数字的范围是完整的，而不是连续变量的情况。

4、离散变量是变量，其中值可以通过计数获得。另一方面，连续变量是衡量某事的随机变量。

5、离散变量采用独立值，而连续变量采用给定范围或连续体中的任何值。

6、离散变量可以由孤立点以图形方式表示。不同于一个连续变量，可以在连接点的帮助下在图表上显示。

例子：

离散变量：

1、书中的印刷错误数。

2、新德里的交通事故数量。

3、个人兄弟姐妹的数量。

连续变量：

1、一个人的身高

2、一个人的年龄

3、公司赚取的利润。

结论：总的来说，离散变量和连续变量都可以是定性的和定量的。然而，这两个统计术语在彼此截然相反的意义上，离散变量是具有明确定义的允许值数量的变量，而连续变量是可以包含两个数字之间的所有可能值的变量。

参考技术B 先说一个熟悉的内容，数列与函数。 当然数列也是函数，但它的取值是自然数，取值是离散的， 而一般的函数取值是某一个区间，在这区间内取值往往是可以连续的。 离散型随机变量与连续型随机变量也是由随机变量取值范围（或说成取值的形式）确定， 变量取值只能取离散型的自然数，就是离散型随机变量， 比如，一次掷20个硬币，k个硬币正面朝上， k是随机变量， k的取值只能是自然数0，1，2，…，20，而不能取小数3.5、无理数√20， 因而k是离散型随机变量。 如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量， 比如，公共汽车每15分钟一班，某人在站台等车时间x是个随机变量， x的取值范围是[0,15)，它是一个区间，从理论上说在这个区间内可取任一实数3.5、√20等，因而称这随机变量是连续型随机变量。本回答被提问者采纳

分类与回归的关系和区别

走刀口

分类和回归的区别在于输出变量的类型。

定量输出称为回归，或者说是连续变量预测；
定性输出称为分类，或者说是离散变量预测。

举个例子：
预测明天的气温是多少度，这是一个回归任务；
预测明天是阴、晴还是雨，就是一个分类任务。

 

输入变量与输出变量均为连续变量的预测问题是回归问题；
输出变量为有限个离散变量的预测问题成为分类问题；
输入变量与输出变量均为变量序列的预测问题成为标注问题。

摘自：李航《统计学习方法》p4