![e11193f2a66d7306afba9aef51f21197.png](https://img-blog.csdnimg.cn/img_convert/e11193f2a66d7306afba9aef51f21197.png)
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:
- 离散型随机变量
- 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:
![e229fe208d2ed894851a749d824a43d0.png](https://img-blog.csdnimg.cn/img_convert/e229fe208d2ed894851a749d824a43d0.png)
如何计算概率:
- 离散随机变量→概率质量函数PMF(probability mass function)
- 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