在學習之前先介紹一個包：Scipy
Scipy是一個用于數學、科學、工程領域的常用軟體包，可以處理插值、積分、優化、圖像處理、常微分方程數值解的求解、信号處理等問題。它用于有效計算Numpy矩陣，使Numpy和Scipy協同工作，高效解決問題。
1、離散機率分布
伯努利分布：伯努利試驗是隻有兩種可能結果的單次随機試驗（抛硬币）
我們首先用numpy的arange生成一個等差數組，0開始，一共2個數字，以1遞增。
之後我們定義硬币朝上的機率p=0.5
用scipy.bernoulli.pmf 求離散函數，輸入數組和機率就可以求得兩個機率。
通過plt.plot，輸入X為數組，Y為機率。
注意要加上plt.vlines(X,0,pList)，輸入X坐标值，在輸入Y的最小最大坐标值。
二項分布：
1.做某次事件的次數是固定的
2.每次事件都有兩個可能的結果（成功或者失敗）
3.每一次成功的機率都相等
4.求出成功K次的機率是多少
同樣生成等差數組，但是這次生成六個數，因為可能全都失敗0次的機率也要求。
伯努利的函數是 stats.binom.pmf(數組,次數,機率)
幾何分布：
1.做某次事件的次數是固定的
2.每次事件都有兩個可能的結果（成功或者失敗）
3.每一次成功的機率都相等
4.做K次，成功1次的機率是多少（注意和伯努利進行區分）
幾何分布的函數geom.pmf(數組,機率) 因為這裡的12345代表第幾次成功，是以函數不需要再次輸入5了。
發現機率呈現遞減。
泊松分布：
- 時間是獨立的
2. 在任意相同的時間範圍内，事件發生的機率相同
3. 你想知道某個時間範圍内，發生某件事情k次的機率有多大。
2、連續機率分布
正态分布和幂律分布：
求正态分布：
如果要求大于Z的機率，可以求1-(小于Z)的機率
如果要求a和b之間的，可以求小于b-小于a的機率
3、總體和樣本
我們可以看到樣本構成了整體。
中心極限定理：
1）樣本平均值約等于總體平均值
2）不管總體是什麼分布，任意一個總體的樣本平均值都會圍繞在總體平均值的周圍，并且呈現正态分布
3）可以根據總體資訊，判斷某個樣本是否屬于這個總體。