概率分布

概率分布是数学模型将概率分配给a随机变量。它们可用于模拟实验或历史数据，以产生预测估计或分析大量结果，例如蒙特卡洛模拟。

有两种主要类型的概率分布：参数和非参数。

参数分布是可以使用具有有限参数集的等式来描述的概率分布。对于指定的参数分布，通过拟合数据来估计参数。一些常见的参数分布包括：

• 正常（或高斯）分布
• 威布尔分布
• 广义极值（GEV）分布
• 物流分布
• 内核分布
• Copulas（多变量分布）

非参数分布是概率分布，其提供纯粹基于样本数据的概率密度函数的估计。当参数分布不能准确地描述数据时，这是优选的。一些常见的非参数概率分布包括：

• 内核分布
• 经验累积分布
• 分段线性分布
• 分段分布与帕累托尾巴
• 三角分布

参数分布可以使用最大似然估计来容易地符合数据。然后使用拟合的分布来通过计算概要统计来执行进一步分析，评估概率密度函数（PDF）和累积分布函数（CDF），并评估分发到您的数据的适合。

有关发行类型，分发拟合，可视化分布和生成随机数的更多信息，请参阅统计和机器学习工具箱™使用马铃薯^®。