浅谈正态分布相关

微笑么么哒

已于 2023-07-04 11:37:58 修改

阅读量434

点赞数 1

文章标签：算法机器学习人工智能

于 2023-07-04 11:15:04 首次发布

本文链接：https://blog.csdn.net/qq_37759901/article/details/130930317

版权

在这里插入图片描述

正态分布（Normal distribution）
有人会认为我们的世界在很多领域经常发生极端事件，在一些领域中也许存在这样特别极端的例子，但是，其实很大一部分领域，极端现象都非常少，就像世界上没有身高15米的人一样，因为我们的世界大部分事物服从正态分布。

正态分布的三个数学特性

“正态分布”这个词，也称“常态分布”，又名高斯分布听上去挺复杂，但它的英文叫normal distribution，直接翻译过来就是“正常的分布”，意思是其它分布都是特殊的，只有正态分布是一般的、正常的。高斯在研究测量误差时从另一个角度发现了它，是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。
在这里插入图片描述

说起正态分布曲线，就是一条对称的倒钟形曲线，中间很高，两边下降，像个鼓起的小山。图片就长这样：
在这里插入图片描述

在正态分布的曲线图里，横坐标代表随机变量的取值范围，越往右，随机变量的值就越大。纵坐标，则代表概率的大小，最底下的概率是0，越往上概率越大。因为这条曲线是左右对称的，所以中间的最高点，就代表平均值出现的概率最大，数据最多，而两边陡峭下降，就意味着越靠近平均值，数据越多，越远离平均值，数据就越少。正态分布能给人充分的掌控感，每个案例相差都不会很大，通常翻不了天。

平均值和标准差就都可以用平时的流量数据统计出来。有了平均值和标准差你就可以大致估算各种事件发生的概率：95%的事情都发生在两个标准差之内，99.7% 的事情发生在三个标准差之内。假设说要找个美貌程度在两个标准差之外的女朋友，那就意味着她要比 97.5%的人都漂亮。就像这个图：
在这里插入图片描述

2.从上面的例子我们可以知道正态分布的三个特性：

一是均值就是期望。也就是正态分布曲线中间最高点的横坐标，不仅代表随机变量的平均值，而且还等于它的数学期望，平均值也就代表随机事件的价值。

二是极端值很少。这有两层含义：一是极端值出现的概率很低，二是极端值对均值的影响很小。也因此，正态分布是稳定的系统。

性质三：标准差决定胖瘦。前面讲过，标准差就是方差的平方根，也能用来描述随机变量的波动情况。在正态分布中，标准差越大，数据的波动越剧烈，钟形曲线就越矮胖，标准差越小，数据越集中，钟形曲线就越高瘦。
在这里插入图片描述

换句话说，正态分布是必然产生的。而这个证明源于严格的数学推导，是一定正确的。

3.正态分布是所有分布的参照系和世界的宿命

正态分布就像一个标准、一个参照系，服从正态分布，可以直接用它分析，不服从正态分布，也可以为人类指明继续探索的方向。如果一个这个随机事件不服从正态分布，那它就一定不满足正态分布背后的中心极限定理。而不满足中心极限定理，我们就能知道，要么是它的影响因素不够多，要么是各种影响因素不相互独立，要么是某种影响因素的影响力太大等，就给我们继续探索指出了思路。

中心极限定理告诉我们，正态分布普遍存在。比如，影响人身高的因素很多，营养、遗传、环境、种族、性别等都有影响，这些因素的综合效果就是人的身高服从正态分布。

所有的分布，不是正态分布，就是在变成正态分布的路上。信息论领域发现了“最大熵原理”，熵（拼音：shāng）。就是说，在一个孤立系统中，熵总是在不断增大。正态分布就是所有已知均值和方差的分布中，信息熵最大的一种分布。
在这里插入图片描述

如果熵不断增长是孤立系统确定的演化方向，那熵的最大化，所以就是孤立系统演化的必然结果。最终任何分布叠加最终都会形成正态分布，所以无论是对数分布还是幂律分布，无论是指数分布还是其他任何分布，只要自身不断演化，不断自己叠加自己，最终也一样会变成正态分布，好像冥冥中自有定数。
神说，要有正态分布，就有了正态分布。

神看正态分布是好的，就让随机误差服从了正态分布。
补充：
而和它相对立的情况就是幂律分布。
正态分布构建的世界非常稳定，只需要考虑常规、考虑大多数就可以。但是幂律分布仿佛有一种神奇的魔力，让不可能发生的事情变得可能
在这里插入图片描述
我们先来看一组常见却又特别奇怪的现象——

在抖音和b站上，有的视频能够吸引几百万个点击量，但其他绝大多数短视频却无人问津。这是为什么？

在微博上，大V拥有几千万的粉丝，但是普通人的关注度却寥寥无几。这又是为什么？

还有，在中文里，我们经常使用的汉字也就两三千个，但实际上，中文汉字的总量是9万多个，换句话说,字典里的绝大多数字，你都不会用到。这又是为什么？

全社会80%的财富集中在20%的人手里，一个行业80%的市场被20%的头部公司占据，一家公司80%的生意来自20%的重点客户……

对，没错，这些现象就是我们熟知的二八定律，即20％的人口掌握了80％的社会财富。

二八定律其实就是幂律分布最直观的表现，它们的背后其实都是幂律分布。

这些现象都有一个共同的特征，就是它的数据波动非常地大，少数点的数值特别高，大多数的点数值都很低，最大和最小的点之间，可能相差好几个数量级。统计学上，把这种情况叫做“幂律分布”。
与正态分布的区别
区别一：平均值失去意义

我们之前说过，正态分布是一种均匀对称分布，大多数数据都集中在平均值附近，所以平均值非常有用，因为它代表大多数。

但幂律分布呢？其数据变化幅度非常大，平均值毫无意义。比如说个人收入，有一贫如洗的穷人，也有家财万贯的富豪，富豪的财富和普通人完全不是一个数量级，把这两群人的资产平均，没有任何意义。

区别二：大事件发生的可能性大大增加

在这里插入图片描述

长尾效应
图中幂律分布的“长尾”意味着：虽然极端数据出现的概率很低，但这个概率永远不会趋近于0，永远不会小到可以忽略不计。

这也和正态分布不同。在正态分布里，数据非常集中，非常极端的数据几乎不可能出现，可以直接忽略不不计。而在幂律分布中，再极端的数据都有出现的可能。举个例子：就像超大规模的自然灾害，虽然发生概率极低，但我们知道它一定会发生。

所谓正态分布，就是差的有，但很少；好的也有，但也不多；大部分都在中间
理解了数学里的指数和幂之后，你才会明白，“打打杀杀”都是小事；选择在哪里“打打杀杀”，才是大事

科技公司华为2021年的年营收是6300多亿元，但是你猜华为有多少员工？13.1万人（截至2021年12月31日）。科技公司用约13万名员工做到6300多亿元收入，而餐饮业要做到同样的收入，需要400多万名员工。到目前为止，地球上还没有一家公司能管理400万名员工。目前员工数量最多的公司是沃尔玛，大约230万人。
在这里插入图片描述
所以想要逆风翻盘，就做时间的朋友，等待奇点到来！