终于搞清楚正态分布、指数分布到底是啥了！

↑ 点击上方 “可乐的数据分析之路” 关注 + 星标 ~ 

大概率每天早8点25更新  

哈喽，大家好，我是可乐

今天这篇文章接2个月以前的那篇文章 离散型随机变量的概率分布，继续来聊聊连续型随机变量的概率分布，以及用Python如何实现。

并非所有的数据都是连续的，根据数据类型的不同，有不同的求概率的方法，对于离散型随机变量的概率分布，我们关心的是取某一个特定数值下的概率，而对于连续型随机变量的概率分布，我们关心的是取某一个特定范围内的概率。

首先要提到的一个概念就是：

概率密度函数

概率密度函数用来描述连续型随机变量的概率分布，用函数f(x)表示连续型随机变量，将f(x)就称为概率密度函数，概率密度并非概率，只是一种表示概率的方法，大家不要混淆，其曲线下面的面积表示概率。

概率密度函数下方的总面积为1，因为面积代表概率，而概率是必须为1。

下面是三种典型的连续型随机变量的概率分布

1. 正态分布

随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，就是正态分布，也叫做高斯分布，通常记做：

标准正态分布

正态分布是一个钟形曲线，曲线对称，中央部分的概率密度最大，越往两边，概率密度越小。μ决定了曲线的中央位置，σ决定了曲线的分散性，σ越大，曲线越平缓，σ越小，曲线越陡峭。