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

  1. 先根据变量定义判断离散或连续。
  2. 绘制直方图、箱线图或经验分布。
  3. 比较均值、中位数、偏度和尾部。
  4. 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

  1. 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。
  2. 模拟 50 个用户各自 20 次曝光的点击次数。
  3. 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。

目录与阅读设置

阅读设置

17

记录一个想法

理解常见概率分布

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通