简单介绍数据的分布形态描述中的离散型概率分布利用python中的matplotlib来模拟几种分布的图形在上一篇描述性统计(http://mp.weixin.qq.com/s?__bizMzg5NDE3Nzc5Mw&mid2247483743&idx1&sn8a0bff6f07d2c1804ccf301b400a263e&

简单介绍数据的分布形态描述中的离散型概率分布利用python中的matplotlib来模拟几种分布的图形在上一篇中提到数据分析的对象主要是结构化化数据，而所有的结构化数据可以从三个维度进行描述，即数据的集中趋势描述，数据的离散程度描述和数据的分布形态描述，并对前两个维度进行了介绍。本篇主要是对数据的分布形态描述中的离散型概率分布进行介绍。

前提：统计学习（统计分析）和机器学习之间的区别金融公司采用机器学习技术及招募相关人才要求第一个问题：　 机器学习和统计学都是数据科学的一部分。机器学习中的学习一词表示算法依赖于一些数据（被用作训练集），来调整模型或算法的参数。这包含了许多的技术，比如回归、朴素贝叶斯或监督聚类。但不是所有的技术都适合机器学习。例如有一种统计和数

↑↑↑点击上方蓝字，回复资料，10个G的惊喜机器之心报道 参与：魔王【组团免费学习】阿里云天池机器学习训练营，开营(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzA4MjYw

十年前写的，从今天看起来之前的想法还是比较幼稚的。从理论指导角度，数据分析可以划分为基于统计学的和基于数据挖掘的数据分析方法，很显然基于统计学的相对容易理解一些，而数据挖掘对高等数学要求会高一些，相信毕业十几年的同学很可能连A\X\\2B\XC0都快忘记了，甚至我不确定等小孩上了初中能不能教的了他数学。从分析的出发点看，数据分析

随机数据分布什么是数据分布？数据分布是指数据集中所有可能值出现的频率，并用概率来表示。它描述了数据取值的可能性。在统计学和数据科学中，数据分布是分析数据的重要基础。NumPy中的随机分布NumPy的random模块提供了多种方法来生成服从不同分布的随机数。

正态分布（高斯分布）是重要的概率模型，具有钟形曲线特征，由均值μ和标准差σ描述。NumPy的random.normal()可生成正态分布随机数，Seaborn库方便绘制分布图。正态分布广泛应用于统计学、机器学习、金融和工程等领域。练习包括生成正态分布数据、比较不同标准差影响及模拟考试成绩计算平均分和标准分。

卡方分布是统计学中的一种连续概率分布，用于假设检验，形状由自由度(df)决定。自由度越大，分布越平缓。NumPy的random.chisquare()可生成卡方分布随机数。Seaborn能可视化卡方分布。练习包括模拟不同自由度的卡方分布、进行卡方检验。瑞利分布描述信号处理中幅度分布，参数为尺度(scale)。Zipf分布常用于自然语言等幂律特征数据，参数a控制形状。NumPy的random.zipf()生成Zipf分布随机数。