python 拟合幂律分布_几分钟搞懂统计概率中的几个经典分布

概念理解

在介绍经典分布之前，先来认识几个名词。

什么是‘统计’，即对过去数据的汇总，分析，总结。

什么是‘概率’，是一个数值，表示某件事发生的可能性大小。（一般概率是在过去经验的总结基础上，对未发生事件的预测）

什么是‘随机事件’，在一定条件下，可能发生，也可能不发生的事件。

什么是‘随机变量’，将随机事件结果映射到一个数字化的函数上，通常用大写字母X 表示。包括两种类型：

1. 离散型随机变量
2. 连续性随机变量

什么是‘概率分布’，多次随机事件，得到多个结果，这些结果呈现一定的规律分布，据此可以得到随机实验所有可能的结果以及结果对应的概率。所以概率分布就是随机事件所有的实验结果的概率。具体有这几个经典的概率分布：

如何计算概率：

1. 离散随机变量→概率质量函数PMF（probability mass function）
2. 连续随机变量→概率密度函数PDF（probability density function）

怎么学习概率分布

遵循以下流程：

用途→如何检验→计算概率→python实现

离散型概率分布

· 伯努利分布

（1）定义：这是一个简单的实验，假设一个事件只有发生或者不发生两种可能，那么假设发生的概率为P，不发生的概率就是1-P，这就是伯努利分布。

生活中很多事件都符合伯努利分布，比如抛硬币是正面还是反面，生孩子是男孩还是女孩。当然也可以把很多事情转化为伯努利事件，不如是否换癌症（不管哪种癌症）。

（2）如何检验

// 每次的事件都有两个可能的结果（成功或者失败）

// 每次成功的概率都相等，用P 表示

//想知道其中一个结果的概率

（3）代码实现