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：
