概率分布实操：从数学公式到代码实现

很多机器学习模型在预测时其实就是在算概率，但很多人习惯直接调包，根本不清楚底层的分布逻辑，导致在处理长尾分布或异常值时完全没头绪。把数学公式直接翻译成代码是理解这些概念最快的方式。

这里分享一个简单的逻辑：如果你想在代码里模拟某种随机变量，不需要死记硬背公式，直接看它的概率密度函数（PDF）怎么映射到采样函数就行。

以最常用的正态分布（Normal Distribution）为例，在 Python 里用 numpy 实现其实就是一行代码，但你要理解 loc（均值）和 scale（标准差）是如何控制数据分布形状的。

import numpy as np
import matplotlib.pyplot as plt

# 模拟一组正态分布数据
# loc=均值, scale=标准差, size=样本量
data = np.random.normal(loc=0, scale=1, size=1000)

# 验证均值和标准差是否接近设定值
print(f"Mean: {np.mean(data)}") 
print(f"Std: {np.std(data)}")

在实际做 AI Agent 或大模型采样时，经常会接触到温度（Temperature）参数，这本质上就是在调整 Softmax 层的概率分布。温度越高，分布越平坦，模型输出越随机；温度越低，分布越尖锐，模型越倾向于选概率最高的那个词。

如果你在做数据增强或者模拟环境，建议重点钻研一下以下几个分布的实操：

• 伯努利分布（Bernoulli）： 典型的二元分类基础，处理 0/1 随机事件。
• 泊松分布（Poisson）： 适合模拟单位时间内随机事件发生的次数。
• Beta 分布： 在贝叶斯优化里非常关键，用来表示概率的概率。

把这些分布用代码跑一遍，比盯着教科书看三天更有用。