New Document.md

1.高斯分布：(数据，算法上的运用)——————重点模型 基础公式及性质一遍过:

代码： 标准正态分布（μ=0，σ=1）:np.random.randn(size) 正态分布(可以指定μ和σ):np.random.normal(loc, scale, size)

2.指数分布: 基础公式及性质一遍过: 无记忆性：P( T > (t+s) | T > t ) = P( T > s) -> 忘记电灯已使用t

f(x) =  λexp{-λx}    x > 0
	0 	       x <= 0

其中λ>0为常数，则称X服从参数λ的指数分布。
           1                     1
期望E（X）=----      方差D（X）=------
           λ                   λ^2

代码: lambda=0.5 x = np.arange(0, 15, 0.1) y = lambdanp.exp(-lambdax)

3.泊松分布： 基础公式及性质一遍过:

         λ^k
P(X=k)=------ exp{-λ}
          k!
泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生次数。
泊松分布适合于描述单位时间内随机事件发生的次数。
泊松分布的期望和方差均为λ

代码: np.random.poisson(lam, size)