在学习之前先介绍一个包：Scipy
Scipy是一个用于数学、科学、工程领域的常用软件包，可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。它用于有效计算Numpy矩阵，使Numpy和Scipy协同工作，高效解决问题。
1、离散概率分布
伯努利分布：伯努利试验是只有两种可能结果的单次随机试验（抛硬币）
我们首先用numpy的arange生成一个等差数组，0开始，一共2个数字，以1递增。
之后我们定义硬币朝上的概率p=0.5
用scipy.bernoulli.pmf 求离散函数，输入数组和概率就可以求得两个概率。
通过plt.plot，输入X为数组，Y为概率。
注意要加上plt.vlines(X,0,pList)，输入X坐标值，在输入Y的最小最大坐标值。
二项分布：
1.做某次事件的次数是固定的
2.每次事件都有两个可能的结果（成功或者失败）
3.每一次成功的概率都相等
4.求出成功K次的概率是多少
同样生成等差数组，但是这次生成六个数，因为可能全都失败0次的概率也要求。
伯努利的函数是 stats.binom.pmf(数组,次数,概率)
几何分布：
1.做某次事件的次数是固定的
2.每次事件都有两个可能的结果（成功或者失败）
3.每一次成功的概率都相等
4.做K次，成功1次的概率是多少（注意和伯努利进行区分）
几何分布的函数geom.pmf(数组,概率) 因为这里的12345代表第几次成功，所以函数不需要再次输入5了。
发现概率呈现递减。
泊松分布：
- 时间是独立的
2. 在任意相同的时间范围内，事件发生的概率相同
3. 你想知道某个时间范围内，发生某件事情k次的概率有多大。
2、连续概率分布
正态分布和幂律分布：
求正态分布：
如果要求大于Z的概率，可以求1-(小于Z)的概率
如果要求a和b之间的，可以求小于b-小于a的概率
3、总体和样本
我们可以看到样本构成了整体。
中心极限定理：
1）样本平均值约等于总体平均值
2）不管总体是什么分布，任意一个总体的样本平均值都会围绕在总体平均值的周围，并且呈现正态分布
3）可以根据总体信息，判断某个样本是否属于这个总体。