對於連續分布函式的特徵是他們的位置和尺度。舉兩個例子：
對於正態分佈，（位置、形狀）是由分布的（均值、標準差）給出的；對於均勻分布，它們由分布不同於零的範圍（開始/開始—結束）給出的
乙個位置引數x0確定分布的位置或改變：
位置引數的例子包括均值、中位數和眾數
綜上可以簡單理解成，這個分布的大概位置在**，還有就是分布的一些基本位置引數是什麼
尺度引數描述了概率分布的寬度。如果尺度引數s較大，則分布將更加分散；如果s較小，則它將更加集中。如果s的所有的值都存在概率密度，那麼密度（僅僅作為尺度引數的函式）滿足：
其中f的標準化版本密度的密度
綜上可以簡單理解成尺度是分布的整個圖形的寬度
習慣上把位置和尺度以外的所有引數都成為形狀引數。幸運的是，我們在統計學中使用的幾乎所有分布只有乙個或者兩個引數。因此，這些分布的偏度和峰度是常數
偏度如果分布不是對稱的，則分布是偏斜的，例如下面的左圖，對於常見的不能為負的測量結果，如果標準差大於均值的一半，我們可以推斷資料有乙個偏態分布。這種不對稱稱之為正偏態。相反，負篇態比較罕見
簡單來說是就是決定這個分布往哪個方向偏。
峰度峰度是衡量概率分布的「陡峭程度」，由於正態分佈的峰度是3，所以正態分佈的超出峰度=峰度-3，為0。帶有正的或者負的超出峰度的分布分別被叫做低峰態分布或者尖峰態分布
這個可以簡單理解成是分布曲線的陡峭程度
上面展示了與概率密度函式相當的多個函式分布，但是每個函式表示概率分布的不同方面，下面給出一些例子，來展示一下對於乙個描述男性個體大小的正態分佈的各個方面
在python中實現使用上面的函式分布進行計算：
第一步：建立分布，這個在python中是乙個分布，而不是乙個函式。
第二步：你決定讓哪些函式使用這個分布，並且計算個人輸入的值，得到相應的輸出值
import numpy as np
from scipy import stats
mypdf = stats.norm(5,
3)x = np.linspace(-5
,15,101
)y = mypdf.cdf(x)
統計學 統計學基礎
五種抽樣方法 1 簡單隨機 選取熱量相同且每個樣本有同等概率被選擇的樣本 2 系統 簡單的系統抽取樣本 3 任意 使用乙個碰巧很容易被選擇的樣本 4 整群 先將總體分為不同組群，從中隨機挑選幾個組群作為樣本 5 分層 定義層級，在每個層級隨機抽取樣本。抽樣方法的選擇一定要符合 1 只有樣本對總體具有...
統計學 論統計學知識點
二 資料度量標準 三 概率分布 四 統計假設檢驗 五 相關和回歸 總結說明 統計學在資料分析的基礎上，研究如何測定，收集，整理，歸納和分析資料規律，以便給出正確訊息的學科。它在資料探勘，自然語言處理，機器學習中都被廣泛使用，比如博主之前的那篇關於規則與統計相結合的詞義消岐方法研究學習筆記，其中作者就...
統計學陷阱
1.內在有偏的樣本 樣本條件不一致，不具備準確性 3.沒有披露的資料 樣本過低 4.毫無意義的工作 利用毫無價值的資料宣傳產品，提高產品競爭力 5.驚人的統計圖形 圖表資料不展示基數，或省略中間部分 刻度值欺騙 6.平面圖形 在三維角度上，根據增加倍率相應變寬變高，達到視覺欺騙 7.不相匹配的資料 ...