二项分布、泊松分布、指数分布、zlpf分布、多项式、狄利克雷分布

觉得有些东西还是不记不行，年纪大了，不能理解了就以为自己记住了，所以在这里记下关于泊松分布、二项分布、zlpf分布、狄利克雷分布的知识

 

研究这个的起因是研究退票的分布，即用户每天一次性退票1张、2张、3张……n张票的人数。

由于之前在这没有很深入的研究过，所以一开始认为会是正态分布（虽然这个“认为”很白痴），但是正态的对称轴找不到，如果真的要找，一定是一次性退票1张的时候是峰值，但是对应的曲线怎么看都不像是正态分布。

所以在接下来认为去尝试多项式分布和指数分布，多项式分布其实和正态分布一样，从曲线形态上就不符合图示曲线，所以稍作尝试就放弃了，指数分布倒是对于该曲线拟合的不错，但是我这人做事比较较真，首先想到的是为什么是指数分布，原理是什么，于是上网搜索相关资料，找到了如下两篇博客，来自同一位作者的：

https://blog.csdn.net/ccnt_2012/article/details/81114920

https://blog.csdn.net/ccnt_2012/article/details/89875865

这两篇博客写的非常好，深入浅出的讲了泊松分布和指数分布的背景和推导思路，有兴趣的同学可以查看这两篇博客，作者写的很清楚，具体我就不在这里赘述。

       但是这个问题并不适用与我提出来的问题，即这个退票量的分布并不服从泊松分布，而且也无法从原问题抽象到指数分布的场景，于是我继续探索，终于找到了zipf分布，即齐普夫定律，也叫长尾分布，齐普夫定律和前面泊松分布&&指数分布的推导不同，它是经验性的结论，来源于nlp问题，可以推广到其他的类似的问题，它描述的是在一个集合，比如词汇集合里，在样本集里出现的次数从高到低排序，那么序号乘以对应的值大约是一个常数，公式是。对两边取对数，得到，即对变量和目标分别做对数后，呈现的是线性关系。所以很多类似问题都可以假定其服从zipf分布，从而向前推进问题。

      这个疑问解决之后，举处理在研究这个问题里的一些衍生问题，比如共轭先验分布，本中将会在下一篇博客里介绍这个知识。