**2018年博客明星评选，如果你喜欢我的文章，请给我投票。 编号： No.009** [支持连接] (3359 blog.csdn.net/HHT nan/article/details/8530758 )非常感谢！ 呃！ 基础知识的二元分布有两个参数，一个n表示尝试次数，一个p表示一次尝试的成功概率。 现在考虑一下一列二项分布。 其中，试行次数n会无限增加。 另一方面，p是n的函数。
1 .如果NP有有限极限，则该列的二项分布接近参数的泊松分布。 相反，在np无限大的情况下，例如p为一定值时，根据清晰的万宝路(De'Moivre-Laplace )中心极限定理，该二项分布接近正态分布。
2 .在实际运用中，当n较大时，一般用正态分布近似计算二项分布，同时当np较小(小于n )时，用泊松分布近似计算更简单。 原本泊松分布和二项分布一样，是离散型分布。
一、泊松分布的日常生活中，大多数事件都有一定的频率。
一家医院平均每小时生三个宝宝，一家公司平均每10分钟接一个电话，一家超市平均每天卖4包xx牌奶粉的网站平均每分钟有两次访问量
这些特点是，我们可以估算这些事件的总数，但无法知道具体发生时间。 大家都知道平均一个小时生三个宝宝，下一个小时生几个孩子？
也许会突然诞生6个人生，也许一个也不会诞生。 这个我们不能知道。
泊松分布就是描述某段时间内，事件具体的发生概率。
上面是泊松分布的公式。 等号的左边，p表示概率，n表示某个函数关系，t表示时间，n表示数，一小时内三个宝宝出生的概率表示为p(n(1)=3)。 等号的右侧，表示事件的频率。 接下来的两个小时，一个宝宝也不生的概率是0.25%，几乎不会发生。
接下来的一个小时，至少有两个宝宝出生的概率是80%。
泊松分布的图形可能如下所示。
在频率附近，可以看到事件发生的概率最高，然后向两边对称下降。 也就是说，既不能变大也不能变小。 每小时生三个宝宝是最有可能的结果，生得越多或越少都不可能。
二、二项分布二元分布即伯努利试验重复n次。 如果每个实验只有两种可能的结果，且相互对立、独立，与其他各实验结果无关，结果事件发生的概率在整个一系列实验中是固定的，则这一系列实验称为伯努利实验。
三、正太分布正态分布(Normal distribution )，也称为“正态分布”，害怕孤独的手机的分布(Gaussian distribution )，最初是a.wusiandion C.F .害怕孤独的手机在研究测量误差时从另一个角度推导出了它。 喜欢的烤鸡肉串和害怕孤独的手机研究了其性质。 是数学、物理、工程等领域非常重要的概率分布，在统计学的很多方面都有很大的影响。
正态曲线为钟形，两端低，中央高，左右对称。 因为其曲线为钟型，所以人们也称为钟型曲线。
假定一个位置参数为，比例参数服从的正态分布，则可以如下描述随机变量x。
概率密度函数
=0、=1时正态分布为标准正态分布。
用python制作正态分布直方图，用numpy制作正太分布数据，然后绘制，可以用size尺寸调节数据的正太分布效果
importnumpyasnpimportmatplotlib.mlabasmlabimportmatplotlib.pyplotaspltmu，sigma=0，1 sample no=10000000 NP.random.set
绘制直方图和概率分布曲线
mu，sigma，num _ bins=0，1，50x=mu sigma * NP.random.randn (1000000 ) #正态分布的数据n，bins，patches=plt.hist(x alpha=0.5 )拟合曲线y=mlab.normpdf(bins，mu，sigma ) PLT.plot (bins，y，' r-- ' ) PLT.xlabel(expectation )