離散分布是統計中具有離散值的數據分布。離散值是可數的、有限的、非負整數，如 1、10、15 等。那么什么是離散分布?這篇文章為大家帶來美國留學生離散課程詳解。

一、了解離散分布

如前所述，離散型分布是指數值為可數整數的分布。另一方面，連續分布包括小數點后無限位的數值。"π "就是連續分布中數值的一個例子。π是一個小數位數(3.14159......)。

這兩種分布都與概率分布有關，而概率分布是統計分析和概率論的基礎。

概率分布是一種統計函數，用于顯示隨機變量在特定范圍內的所有可能值和可能性。該范圍由最大值和最小值限定，但實際值取決于許多因素。有一些描述性統計用于解釋預期值的最終位置。

離散分布也出現在蒙特卡羅模擬中。蒙特卡羅模擬是一種統計建模方法，它通過運行大量模擬來確定不同結果的概率。通過蒙特卡羅模擬，具有離散值的結果將產生離散分布，以供分析。

二、離散分布示例

舉個例子，你要計算在某一小時內走進商店的人數。數值必須是可數的、有限的、非負整數。不可能有 0.5 的人走進商店，也不可能有負數的人走進商店。因此，在分布圖上表示的數值分布將是離散的。

觀察上述收集到的數據點的離散分布，我們可以發現有 5 個小時有 1 到 5 個人走進店里。此外，還有 10 個小時有 5 到 9 人走進商店，以此類推。

上面的概率分布直觀地顯示了在任何給定的時間內，一定數量的人走進商店的概率。在不做任何定量分析的情況下，我們可以觀察到，在任何給定的小時內，有 9 到 17 人走進商店的可能性很大。

三、連續分布示例

連續概率分布的特點是具有無限且不可計數的可能值范圍。連續隨機變量的概率由概率密度函數曲線下方的面積定義。

概率密度函數 (PDF) 是通過采樣信息推斷連續隨機變量取特定值的可能性，并測量 PDF 下方的面積。雖然隨機變量取特定值的絕對可能性為 0(因為可能的值是無限的)，但兩個不同樣本的 PDF 可用來推斷隨機變量的可能性。

舉個例子，您想計算某個人群的身高分布。您可以收集樣本并測量他們的身高。但是，您無法得出任何一個被測量個體的確切身高。

在計算身高分布時，您可以認識到一個人身高正好為 180 厘米的概率為零。也就是說，無限精確地測量一個人的身高為 180 厘米的概率為零。但是，可以測量出一個人的身高大于 180 厘米的概率。

此外，您還可以計算出一個人的身高低于 180 厘米的概率。因此，您可以使用推斷出的概率計算出一個范圍值，例如 179.9 厘米到 180.1 厘米之間。

觀察連續分布，可以清楚地看到平均值是 170 厘米;但是，可以取值的范圍是無限的。因此，要測量任何給定隨機變量的概率，都需要在兩個范圍之間進行推斷，如上圖所示。

海馬課堂專業課程輔導，2100+嚴選碩博學霸師資，針對學生的薄弱科目和學校教學進度，匹配背景相符的導師，根據學生情況進行1V1專屬備課，上課時間靈活安排，中英雙語詳細講解課程中的考點、 難點問題，并提供多方位的課后輔導，輔助學生掌握全部課程知識，補足短板。