本文主要是介绍概率之常用概率分布，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1. Bernoulli分布
单个二值随机变量的分布。它由单个参数控制，
给出了随机变量等于1的概率。它具有如下的一些性质。
2. Multinoulli分布
Multinoulli分布(multinoulli distribution)或者范畴分布(categorical distribution)是指在具有k个不同状态的单个离散型随机变量上的分布，其中k是一个有限值。
3. 高斯分布
高斯分布(Gaussian distribution)也称为正态分布(normal distribution)：
正态分布由两个参数控制，。参数
给出了中心峰值的坐标即期望值E[x]，分布的标准差用
表示，方差用
表示。为表示方便，令
,上式可写成如下形式：
当我们缺乏关于某个实数上分布的先验知识而不知道该选择怎样的形式时，正态分布是默认的比较好的选择。原因有如下两个：
1. 我们想要建模的很多分布的真实情况是比较接近正态分布的。
2. 在具有相同方差的所有可能的概率分布中，正态分布在实数上具有最大的不确定性。
正态分布可以推广到空间，这种被称为多维正态分布(multivariate normal distribution)。它的参数是一个正定对称矩阵
:
参数仍然表示的是分布的均值，只不过不再是标量而是一个向量值。参数
给出了分布的协方差矩阵。令
4. 指数分布和Laplace分布
指数分布(exponential distribution):
指数分布用指示函数(indicator function) 来使得当x取负值时的概率为零。
一个联系紧密的概率分布是Laplace分布，它允许我们在任意一点处设置概率质量的峰值：
5. Dirac分布和经验分布
在一些情况下，我们希望概率分布中的所有质量都集中在一个点上。这可以通过Dirac delta函数(Dirac delta function)定义概率密度函数来实现：
Dirac分布经常作为经验分布(empirical distribution)的一个组成部分出现：
这篇关于概率之常用概率分布的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
