机器学习与深度学习 / 系统课时
理解常见概率分布
理解常见概率分布
学习目标
完成本课后,你将能够:
- 说明伯努利分布、二项分布和正态分布的适用对象
- 根据变量类型选择合适的分布描述
- 使用 NumPy 生成并观察分布样本
伯努利分布
伯努利分布描述一次只有两种结果的试验,例如成功或失败、点击或未点击、退款或未退款。若成功概率为 p,变量取 1 的概率为 p,取 0 的概率为 1 - p。
二项分布
二项分布描述在固定次数、相互独立且成功概率相同的伯努利试验中,成功次数的分布。例如 100 次曝光中发生多少次点击。
二项分布需要满足试验次数固定、每次只有两种结果、成功概率基本不变、试验近似独立。
正态分布
正态分布是连续分布,形状由均值和标准差决定。许多由大量小因素共同影响的测量值近似正态,但收入、交易额和访问量通常右偏,不能因为数据是连续值就默认正态。
生成分布样本
python
import numpy as np
rng = np.random.default_rng(42)
bernoulli = rng.binomial(n=1, p=0.3, size=10)
binomial = rng.binomial(n=20, p=0.3, size=5)
normal = rng.normal(loc=100, scale=15, size=10000)
print("伯努利样本:", bernoulli)
print("二项分布样本:", binomial)
print(f"正态样本均值: {normal.mean():.1f}")
print(f"正态样本标准差: {normal.std():.1f}")预期输出中随机样本序列由随机种子固定,统计量应接近:
text
伯努利样本: [1 0 1 0 0 1 1 1 0 0]
二项分布样本: [5 8 6 7 5]
正态样本均值: 99.8
正态样本标准差: 15.1不同 NumPy 版本可能产生略有差异,但均值应接近 100,标准差应接近 15。
如何判断分布假设
- 先根据变量定义判断离散或连续。
- 绘制直方图、箱线图或经验分布。
- 比较均值、中位数、偏度和尾部。
- 结合数据生成过程,而不是只依赖图形形状。
分布假设错误会影响异常值判断、置信区间和模型选择。
本课练习
- 模拟 1000 次点击概率为
0.1的伯努利试验并计算实际点击率。 - 模拟 50 个用户各自 20 次曝光的点击次数。
- 构造一组明显右偏数据,并解释为什么不适合用正态分布描述。
按自己的节奏,确认真正理解。