python中的概率分布有哪些类型？

Python数据可视化。无非就是将各种数据以视图的形式展示出来，可以更直观的分析数据。 Python数据可视化离不开概率分布，有两种，即离散概率分布和连续概率分布。离散概率分布包括伯努利分布、二项分布、泊松分布和几何分布。连续概率分布包括正态分布、指数分布和贝塔分布。

一、离散概率分布（概率质量函数）

1、伯努利分布

具有两种可能结果的离散分布。 1 表示成功，出现的概率为 p（其中 0<p<1）。 0表示失败，出现的概率为q=1-p。

2、二项分布

重复n次独立的伯努利试验（事件概率p），每次试验都是相互独立的，比如抛硬币。

3、泊松分布

是一种分布，显示事件在预定时间段内可能发生的次数，对于在给定时间间隔内以恒定速率发生的独立事件。

二、几何分布（

概率密度函数

）

是具有连续取值（例如一条实线上的值）的函数。

1、正态分布

通过排列数据中每个值的概率分布来形成数据，大多数值保持在均值附近，使排列对称。

2、指数分布

是描述泊松过程中事件之间时间的概率分布，即事件以恒定平均速率连续且独立发生的过程。

3、β分布（beta distribution）

是伯努利分布和二项分布的共轭先验分布的密度函数，是定义在(0,1)处的一组连续概率分布（概率的概率分布）。

以上就是python中两种概率分布的介绍，希望对大家进行数据可视化操作有所帮助~