单变量离散分布:一个易于理解的解释
单变量离散分布:轻松理解的解释
深入理解离散一维分布的数学和视觉化

你有没有遇到这种感觉?你想学点新东西,但是不知道从哪里开始。当我们想要理解数学上的分布时,我们就有这种感觉。是的,我们的教授向我们解释了所有这些分布,但只有数学上的,用公式!我们的教授没有用容易理解的方式来解释,没有图形。
这就是为什么我们写了这篇文章,讲解最重要的离散一维分布。我们希望通过数学和视觉的方式向你解释这些分布。我们的目标是让你理解数学和分布图之间的关系。此外,我们还为每个分布提供了一个示例。
作为一名数据科学家,了解分布的工作原理非常重要。分布假设是一些机器学习算法的基础,也是解决统计问题的关键,例如在保险行业中。
我们将讨论以下分布:
- 伯努利分布
- 二项分布
- 几何分布
- 泊松分布
- 均匀分布
让我们开始吧!
什么是伯努利分布?
如果随机变量X具有两种可能的结果(标记为0或1),且X=1(成功)的概率为p,X=0(失败)的概率为1-p,则存在参数p的伯努利分布。
让我们看一个例子。
例子:
X表示抛硬币的结果,其中X=1(正面)和X=0(反面)。p是硬币掷出正面的概率。
接下来,你将看到关于伯努利分布的视觉和数学解释。首先,我们从数学上开始!
数学描述:
伯努利分布具有以下要求: