什么是正态分布？

Posted 2023-05-10

正态分布是自然界中真实存在的，某个随机变量如果可以被拆分成大量独立同分布随机变量的和，它就近似服从正态分布。

举个例子，一张100道选择题的考卷，每题分值一分，难度相近，那么一个人做这张考卷的得分就是100个随机变量的和，应该近似服从正态分布。

几乎与社会相关的大多是偏态分布，比如一定时间一定空间里的人、车的流量；人口增长与消亡的分布。

几乎与自然相关的大多也是近似的正态分布，比如人或动物的身高分布，体重分布。在天文、生态、医学等等。

正态分布的这种统计特性使得问题变得异常简单，任何具有正态分布的变量，都可以进行高精度分预测。

值得注意的是，大自然中发现的变量，大多近似服从正态分布。

正态分布很容易解释，这是因为：正态分布的均值，模和中位数是相等的，只需要用均值和标准差就能解释整个分布。

扩展资料：

正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。

若随机变量X服从一个数学期望为μ、方差为σ＾2的正态分布，记为N（μ，σ＾2）。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。

当μ＝0，σ＝1时的正态分布是标准正态分布。

参考资料：百度百科-正态分布

参考技术A 正态分布是一个概率型的分布，若随机变量x服从一个数学期望为u、方差为a2的正态分布，记为N(u，a2)。其概率密度函数为正态分布的期望值u决定了其位置，其标准差a决定了分布的幅度。当u=0,a=1时的正态分布是标准正态分布。

分布式架构 —— 理解什么是是分布式

1、什么是分布式系统

  现在常用的开源分布式框架一个是阿里开源的dubbo，还有一个就是Spring cloud
  分布式系统总结来说是将数据存储能力和计算能力分布到不同的服务器上，作为一个整体对外服务。分布式的概念可以理解成一种解决方案。
  目的在于解决单台机器的故障问题，单机计算和 IO 性能问题，以及单机存储空间不足的问题。

2、分布式系统 优缺点

优点

系统可用性提升
  传统的集中式计算或集中式存储，在遇见单点故障时，很容易造成整个服务不可用，分布式下的服务体系，单台机器有故障，不致于造成整个服务不可用。
系统并发能力提升
  请求通过 Nginx负载均衡被分发到不同的服务器上，运行同样代码的服务器可以有 1 台 或 N 台，通常情况下会根据实际用户访问量随时增加机器。无论是数据库或者服务，都可以做到随时水平扩展。
系统容错能力

低延时
  北京的用户请求自动分发到北京，上海的用户请求被分发到上海，服务器会根据用户的 IP 选择距离自己最近的机房，降低网络延时。

缺点

依赖网络
  服务器间通信依赖网络，不可靠网络包括网络延时、丢包、中断、异步，一个完整的服务请求依赖一连串服务调用，任意一个服务节点网络出现问题，都可能造成请求失败。
维护成本高
  传统单机式服务只需要维护一个站点就可以。分布式服务系统被拆分成若干个小服务，服务从 1 变为 几十个上百个服务后，增加运维成本
一致性，可用性，分区容错性无法同步
  C —— 数据一致性 A —— 服务可用性 P —— 服务对网络分区故障的容错性，分布式框架很难都满足，一般符合其中两者;包括dubbo在内的其它使用zookeeper的分布式框架是满足CP，因为当客户端发送请求时，集群正在进行master选举或者半数以上的机器宕掉，服务可用性就很难做到；而对于持续集成，快速演化微服务来说，可用性就显得尤为重要，spring cloud由此诞生。

3、spring cloud和dubbo的区别

两者的区别也是各自的优劣

  1、dubbo的服务注册与发现是用的zookeeper，spring cloud服务注册与发现用的是Eureka 后者各个节点之间都是平等的不存在主从关系，只要一个节点还在，就能保证服务正常调用，即使全部节点都死掉，服务与服务之间也能通过缓存调用信息，这就保证了微服务之间的调用足够的健壮

  2、对于调用方式dubbo采用rpc的方式，代码耦合度高，spring cloud中的提供方和消费方通过http rest方式，不存在代码的强依赖显得更为灵活