机器学习之正态分布

分布有很多种，本文只聚焦正态分布。

distribution 分布

Normal 正态分布，高斯分布

Binomial 二项分布

Poisson 泊松分布

t分布

F分布

μ 均值

σ 标准差

σ2 方差

概率密度函数dnorm

钟型曲线

注意：y轴是密度，而不是概率

累积分布函数pnorm

pnorm表示指定X值左侧曲线下面积，表示小于X值的概率

累积分布函数是指随机变量小于或等于X的概率，用密度函数表示为

正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。

因其曲线呈钟形，因此人们又经常称之为钟形曲线。

我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。

σ标准差越大，钟型约胖，幅度越大

正态分布的"68-95-99.7法则"

在质量控制里，均值左右各3σ，一共6σ，正态分布落在+/-3σ的范围内的概率是99.7%。

均值左右各2σ，一共4σ，正态分布落在+/-2σ的范围内的概率是95%。

均值左右各1σ，一共2σ，正态分布落在+/-1σ的范围内的概率是68%。

标准差 sd=1 的曲线

标准差 sd=3 的曲线