常见的概率分布类型（一）（Probability Distribution I）

统计学中最常见的几种概率分布分别是正态分布（normal distribution），t分布（t distribution），F分布（F distribution）和卡方分布（χ2 distribution，chi-square distribution），其中后三种属于抽样分布。

 

为什么要研究概率分布呢？因为通过研究概率分布，我们可以找出数据的分布规律，并根据这些规律来解决特定条件下的问题。比如：假设随机变量X服从某个已知的分布，我们就可以利用这个分布对X的取值是否显著异于分布期望值进行检验。

 

下面来看一下这几种概率分布的类型：

 

正态分布：又叫高斯分布（Gaussian distribution），是最为人们所熟知的分布类型

正态分布最为人们所熟知是因为在实际生活中我们经常可以看到正态分布的例子。比如男女身高，学习成绩等都服从正态分布。也就是说身高和学习成绩处于中游水平的人的数量最多，而身高特别高或特别矮以及成绩特别好或特别差的人的数量很少（趋于0），上图的曲线看起来像一口钟，因此正态分布曲线又被称为钟形曲线（bell curve）。

 

若随机变量X服从一个期望为μ，方差为σ²的正态分布，那么记作X~N(μ，σ²)。正态分布的期望值μ决定了其位置，标准差σ决定了分布的幅度。正态分布的概率密度函数为。

 

如果数据服从正态分布，我们可以看到大约68%的数据分布在均值的第一个标准差范围之内，95%分布在均值的两个标准差范围之内，99.7%分布在均值的三个标准差范围之内，这就是经验法则（empirical rule）。

 

我们可以通过计算随机变量的z值（z score），得知其距离平均值有多少个标准差。z值的计算公式为：