概率分布

概率分布是数学模型将概率赋给a随机变量．它们可以用来模拟实验数据或历史数据，以生成预测估计或分析大量结果，如蒙特卡罗模拟。

概率分布主要有两种类型:参数分布和非参数分布。

参数分布是可以用一组有限参数的方程来描述的概率分布。对于特定的参数分布，通过拟合数据来估计参数。一些常见的参数分布包括:

• 正态(或高斯)分布
• 威布尔分布
• 广义极值(GEV)分布
• 物流配送
• 内核分配
• 连系动词(多元分布)

非参数分布是纯粹基于样本数据提供概率密度函数估计的概率分布。当数据不能被参数分布精确描述时，这是首选。一些常见的非参数概率分布包括:

• 内核分配
• 经验累积分布
• 分段线性分布
• 带有帕累托尾的分段分布
• 三角形分布

利用极大似然估计，参数分布可以很容易地拟合数据。然后，通过计算汇总统计数据、评估概率密度函数(PDF)和累积分布函数(CDF)以及评估分布对数据的拟合，可以使用拟合分布执行进一步的分析。

有关分布类型、分布拟合、分布可视化和生成随机数的更多信息，请参见统计和机器学习工具箱™使用MATLAB^®．