python——数理统计，概率

概率论

概率与条件概率

1. 随机试验：
   ①在试验前不能断定其将发生什么结果，但可明确指出或说明试验的全部可能结
   果是什么；
   ②在相同的条件下试验可大量地重复；
   ③重复试验的结果是以随机方式或偶然方式出现
   当试验次数增加时，随机事件A发生的频率趋于一个稳定值，记为p，p就称为该事件发生的概率，记为 P（A）= p
   条件概率：表示在事件B发生的条件下，事件A发生的概率，相当于A在B中所占的比例。P(A|B)

2. 随机变量
   按照随机变量可能取得的值，可以把它们分为两种基本类型：离散型和连续型
   离散型随机变量根据不同的概率分布有伯努利分布、二项分布、几何分布、泊松分布、超几何分布等
   连续型随机变量根据不同的概率分布有均匀分布、指数分布、正态分布、伽马分布等

离散随机变量分布python实验

1. 伯努利分布
   两点分布或0-1分布：X～B（1， ），读作 X服从参数为p的伯努利分布。
   伯努利分布的概率分布用Python代码绘制如下:
2. 二项分布
   随机变量X要满足这个分布有两个重要条件：①各次试验的条件是稳定的；②各次试验之间是相互独立的。
3. 松柏分布
   它们的特点是可以预估这些事件在某个时间段内发生的总次数，但是没法知道具体的发生时间。如果某事件以固定强度a随机且独立地出现，该事件在单位时间内出现的次数（个数）可以看成是服从泊松