浅谈概率分布

“统计”一词在当下可以说是非常的流行，但是常常偏离了统计学的本意。如果能从统计学的基础上深入理解统计，并且再应用，应该更好。而要深谈统计学，就必须先理解概率论。概率论描述的是基础的，也可以说是理想的情况。本文从概率论里面常见的分布说起，简单的做介绍。
概率分布包括了常听到的二项分布、正态分布等等。可将概率分布分成两类：离散分布（分布律）和连续分布（分布函数）。离散和连续是指随机变量的取值而说。随机变量这个概念是对于样本空间中事件的描述。是将现实映射到数字中。
一、离散分布
关于离散分布，也称分布律，是指随机变量是可数或者可列的。本文介绍的离散分布有古典分布、贝努利分布（0-1分布）、二项分布、泊松分布。
1、古典分布
古典分布，又叫等可能概型。描述一种场景：样本空间S中的样本点是有限的，并且每个样本点出现的概率是相等的。
P(A) = A中所包含的样本点数/S中所包含的样本点数
2、贝努利分布
描述一种情景：出现一种情况的可能性是p，另一种可能性是1-p。写成X~B(1,P)
贝努利分布虽然简单，我认为有两点需要重视：
A、这个例子中有一个隐含的假定就是每次碰到这个场景的时候，这个概率值是不变的。否则，这个试验是不可能重现的。
B、只有两种结果。或者其他结果可以排除。
从数学上描述贝努利分布是：
对于一个随机试验，若它的样本空间只包含两个元素，即s={e_1,e_2}，就可以定义一个贝努利分布的随机变量。