概率论和统计学中重要的分布函数( 二 ) _分布函数

这是一个典型的二项试验的例子。所以，解决办法是：

文章插图

注：大括号中的6和4是6C4，它是6个球中4个全垒打的可能组合。
伯努利分布在二项分布中，我们有一个特殊的例子叫做伯努利分布，其中n=1，这意味着在这个二项实验中只进行了一次试验。当我们把n=1放入二项PMF（概率质量函数）中时，nCk等于1，函数变成：

文章插图

伯努利分布PMF
式中，k={0,1} 。
现在我们来看看印度队对澳大利亚队的比赛。假设当Rohit达到100分（a ton），那么印度获胜的几率是0.7 。所以你可以简单地告诉你父亲印度有70%的机会赢了。
对数正态分布我们已经了解了正态分布的性质，乍一看，许多人会说，对数正态曲线在某种程度上也让我们看到了正态分布是右偏态的。

文章插图

假设有一个随机变量X服从对数正态分布，均值=μ，方差=σ² 。X有总共n个可能值（x1，x2，x3…..xn）。现在取所有X值的自然对数，并创建一个新的随机变量Y=[Log（x1），Log（x2），Log（x3）…Log（xn）] 。这个随机变量Y是正态分布的。
换句话说，如果存在正态分布Y，并且我们取它的指数函数X=exp（Y），那么X将遵循对数正态分布。
它还具有与高斯函数相同的参数：均值（μ）和方差（σ²）。
幂律/帕累托分布幂律是两个量之间的关系，其中一个量的变化将成比例地改变另一个量。它遵循一个80-20法则：在前20%的值中，我们可以找到大约80%的质量密度。如图所示，稍暗的左侧部分为质量的80%，右侧亮黄色部分为20% 。