当你看到这样的新闻，报道了某个娱乐圈明星投资了一家某某餐饮店。现在请思考一下，这则新闻是属于娱乐领域还是餐饮领域呢？如果当你读完这篇新闻大部分内容将的是餐饮行业的过去和现在以及未来。只有小部分涉及中国明星的八卦事情。
你可以觉得，这新闻属于餐饮领域。因为大部分将餐饮领域，而只要小部分属于娱乐八卦。如果用数字来衡量大部分和小部分，我们可以说，90%属于餐饮领域，而只要10%属于娱乐八卦。用数字表示了事件发生的可能性。
根据上面的例子，我们大致知道，概率就是描述这种可能性的一个数值。
以太坊编程语言Vyper发布v0.3.9版本:5月30日消息，以太坊编程语言 Vyper 发布 v0.3.9 版本，是针对 v0.3.8 的补丁修复版本，修复了蓝图合约（blueprint contracts）的代码大小回归以及导致 v0.3.8 中运行时 Gas 性能退化的问题。[2023/5/30 9:49:50]
随机变量
我们知道概率和日常生活息息相关，比如天气预报。在概率论中有很多概念。但是下面的几个基本概念非常重要，你需要知道。
随机变量来描述事件所有可能出现的状态，并使用概率分布来描述每个状态出现的可能性。而随机变量又可以分为离散型随机变量和连续型随机变量。
离散随机变量是指其数值只能用自然数或整数单位计算的则为离散随机变量。如明天是否下雨。
连续随机变量是指在一定区间内可以任意取值的变量,其数值是连续不断的.,相邻两个数值可作无限分割,即可取无限个数值。例如明天的雨量。
可编程的NFT平台Async Art已上线五位新艺术家的可编程音乐作品:7月29日，可编程的NFT平台AsyncArt近日宣布已上线新Async音乐（AsyncMusic），有5位新艺术家在Async上发布了可编程音乐。这五位艺术家分别是重视NFT技术的女性制作Vérité、电子音乐制作人PLS&TY、独立歌手TerraNaomi、DJMa?lstrom以及作曲家和钢琴家CristinaSpinei。Async表示未来还将举办各种虚拟活动，对音乐人的独家采访等。[2021/7/29 1:22:23]
概念分布
概率分布是指数据在统计图中的形状，概率分布是随机变量的概率在统计图中的表现形式。同样，概率分布又分为离散概率分布和连续概率分布
离散概率分布包括伯努利分布、二项分布、几何分布和泊松分布。而连续概率分布主要是正态分布。
ConsenSys Academy正提供捐款帮助伊朗女性学习编程:2月13日消息，以太坊创业孵化器的教育分支ConsenSys Academy正在以提供奖学金的方式，帮助伊朗女性学习在以太坊上编程。已有7名伊朗女程序员获得了奖学金，并顺利从ConsenSys Academy毕业。据悉，该项目为ConsenSys全球项目的一部分，旨在帮助开发者在以太坊区块链上编程，并为伊朗大部分与国际科技社区隔绝的人提供额外的机会。（CoinDesk）[2021/2/13 19:41:46]
伯努利分布：
伯努利分布(Bernoullidistribution)是很简单的离散分布。在伯努利分布下，随机变量只有两个可能的取值:1和0。随机变量取值1的概率为p。相应的，随机变量取值0的概率为1-p。因此，伯努利分布可以表示成:
动态 | 东京大学举办编程竞赛 旨在培育加密货币技术人才:据日经新闻消息，东京大学将于8月5日举行AI游戏对战的编程竞赛。活动要求在应对加密资产技术中易发问题的同时，培养能够在游戏中获胜的最佳程序开发能力，进而实现培育加密货币技术人才的目的.[2019/8/3]
即伯努利分布只有两种可能的结果：成功和失败
例如，投掷一次硬币，出现正面，记录为1，出现反面，记录为0。而抛硬币的结果要么正面朝上，要么反面朝上，所以抛硬币的结果服从伯努利分布。
Billions项目组数组包importnumpyasnpBillions项目组统计计算包的统计模块fromscipyimportstatsBillions项目组第2步，Billions项目组它返回一个列表，列表中每个元素表示随机变量中对应值的概率p=0.5Billions项目组第3步，绘图plt.plot(X,pList,marker='o',linestyle='None')plt.vlines(X,0,pList)Billions项目组y轴文本plt.ylabel('概率')Billions项目组显示图形plt.show()
金色相对论丨高庆忠：专用芯片ASIC和可编程FPGA是区块链与芯片结合的重要发展方向:在本期金色相对论上，在谈到“当前区块链技术与芯片层面的工作结合进展如何”时， ATN&Atmatrix CEO高庆忠表示，当年WinTel模式，是在摩尔定律时代的产物，如今摩尔定律已耗尽芯片发展红利，摩尔定律已快失效的时候，谈WinTel模式对于区块链技术与芯片层面结合的工作，不是很准确。当前区块链技术与芯片层面的工作结合，更多在于原先CPU、GPU等标准芯片在区块链HASH算法、密码处理、智能合约、共识算法处理上优化不够充分，因此需要使用FPGA或者ASIC来做专用芯片，以便提升区块链效率。ATN及Atmatrix由于区块链人工智能结合，在芯片上也有考虑未来与有实力的芯片公司合作，共同探索区块链人工智能芯片。
芯片产业在美国，按照投资回报和增长率，以及技术更新速度等来看，已经是夕阳产业，或者说是很传统的产业。只是在国内，由于产业结构不完整，成为一个很薄弱的产业，被美国牵着鼻子走。芯片与区块链结合，更多还是在于对于区块链软件的优化版本的芯片而已。专用芯片ASIC和可编程FPGA，是区块链与芯片结合的重要发展方向。除了Nvidia之外，也有多家在做AI芯片，ATN和Atmatrix在做AI Market，共享AI，也与几家AI芯片厂商在谈合作。[2018/7/17]
二项分布
二项分布可以从计数的角度来理解。n次测试，如果随机变量为k，意味着其中的k次成功，n-k次失败。从n次实验中挑选k个，根据计数原理，共有(nk)(nk)种可能。其中的每种可能出现的概率为pk(1?p)n?k)pk(1?p)n?k)。因此，二项分布可以表示成为:
即二项分布度量的是在n次伯努利试验中正好有k次成功的概率。
例如，连续10次抛硬币，正面朝上的次数就符合二项分布.
Billions项目组数组包importnumpyasnpBillions项目组统计计算包的统计模块fromscipyimportstatsBillions项目组做某件事情的次数p=0.5Billions项目组第2步，Billions项目组它返回一个列表，列表中每个元素表示随机变量中对应值的概率pList=stats.binom.pmf(X,n,p)pListBillions项目组x轴文本plt.xlabel('随机变量：抛硬币正面朝上次数')Billions项目组标题plt.title('二项分布：n=%i,p=%.2f'%(n,p))Billions项目组导入包Billions项目组绘图包importmatplotlib.pyplotaspltBillions项目组第k次做某件事情，才取到第1次成功Billions项目组做某件事情成功的概率，这里假设每次表白成功概率都是60%p=0.6X=np.arange(1,k+1,1)XBillions项目组求对应分布的概率:概率质量函数(PMF)Billions项目组分别表示表白第1次才成功的概率，表白第2次才成功的概率，表白第3次才成功的概率，表白第4次才成功的概率，表白第5次才成功的概率pList=stats.geom.pmf(X,p)pListBillions项目组x轴文本plt.xlabel('随机变量：表白第k次才首次成功')Billions项目组标题plt.title('几何分布：p=%.2f'%p)Billions项目组导入包Billions项目组绘图包importmatplotlib.pyplotaspltBillions项目组定义随机变量，已知某路口发生事故的频率是每天五次，那么此处一天内发生k次事故的概率是多少？mu=5Billions项目组求对应分布的概率：概率质量函数plist=stats.poisson.pmf(x,mu)plistBillions项目组设定均值K=int(K)Billions项目组np.random.randn(1000)+K为创造1000个均值为K的点，服从正态分布，np.random.poisson()为服从泊松分布fig=plt.figure(figsize=(10,5))Billions项目组对进行开方coef=1/(sqrt_2pi*sig)Billions项目组-1/mypow=powercoef*(np.power((data-avg),2))Billions项目组cofe乘e的mypow次方Y=foriinrange(100):S=guass(X,K,std)Y.append(S)plt.plot(X,Y,label='Normal')plt.legend(,facecolor='white')plt.show()
总结
在真实的世界里，我们通常只能观测到一些数据，而无法事先知道，是什么模型产生了这些数据，这时候就要依赖统计学。所以，海量数据的分析、实验和机器学习，都离不开统计学。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。