未记录事实核验 · 状态：现行内容

记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。

warning 适用边界与维护说明

本文适用于常见连续分布的入门认识及使用 scipy.stats 进行正态、均匀分布随机采样练习，不是完整的分布性质或选型指南；指数分布仅作名称列举，未提供其性质介绍或代码示例。本次仅作正文结构审阅，未运行代码或核验相关知识链接。

🌊 常见连续分布（Continuous Distributions）

abstract 📋 本节概览

  • 🎯 学习目标：了解常见的连续型概率分布及其Python实现
  • 📚 前置知识：概率的基本概念、正态分布
  • ⏱️ 预计用时：12分钟

学习目标

note 📖 **什么是连续分布？**

连续分布用于描述在连续取值范围内变化的随机变量，比如常用连续模型近似描述的身高、体重、温度。指定单个值的概率为0；对于这里介绍的常见连续分布，区间概率由概率密度函数在该区间上的积分计算。

生活例子：

  • 身高可以是170.1cm、170.11cm……
  • 温度可以是25.0℃、25.01℃、25.001℃……

🛠️ 学习目标

  1. 思路说明

    • 用numpy或scipy.stats生成连续分布数据
    • 常见连续分布有：正态分布、均匀分布、指数分布等

  2. 学习目标

    • numpy（生成随机数）
    • scipy.stats（各种概率分布）

  3. 代码示例

import numpy as np
from scipy.stats import norm, uniform
# 正态分布：均值0，标准差1
norm_data = norm.rvs(loc=0, scale=1, size=1000)
# 均匀分布：区间[0,1]
uniform_data = uniform.rvs(loc=0, scale=1, size=1000)
print("正态分布样本前10个:", norm_data[:10])
print("均匀分布样本前10个:", uniform_data[:10])

tip 💡 连续分布的取值受其取值范围限制；能否取小数并不是区分连续分布与离散分布的标准。

🔗 相关知识

#统计学 #概率分布 #连续型 #基础