在上一篇文章中，我們一起漫步於機率分布的世界，認識了像常態分布、二項分布、柏松分布這些基礎卻無比重要的「地標」。它們是統計學的基石，描述了數據世界中最常見的幾種規律。
然而，機率的宇宙浩瀚無垠，我們還錯過了許多同樣璀璨的星辰。今天，就讓我們再次啟程，探索另外10個關鍵的機率分布：伽碼 (Gamma)、幾何 (Geometric)、負二項 (Negative Binomial)、韋伯 (Weibull)、貝塔 (Beta)、柯西 (Cauchy)、多項 (Multinomial)、超幾何 (Hypergeometric)、對數常態 (Log-normal)、邏輯斯 (Logistic)。
在開始之前，我們先來談一個更根本的問題。機率分布是「發明」還是「發現」？模型與現實的哲學對話
在我之前的介紹中，我傾向於將機率分布視為「自然界固有的現象」。沒錯，一批燈泡的壽命、成年人的身高、地震發生的間隔，這些現象背後確實存在著客觀的、穩定的隨機規律。我們可以稱這個客觀規律為 「本體」 或 「真實的數據生成過程」。
而我們所學習的這些機率分布（如常態分布、伽碼分布），則是人類為了理解、描述與預測這些自然現象所創造出來的 「模型」。
這就像地圖與領土的關係：
- 領土是客觀存在的、複雜的自然景觀（自然現象的真實分布）。
- 地圖是我們為了導航而繪製的簡化模型（數學上的機率分布）。
沒有一張地圖能百分之百完美重現領地的每一寸細節（正如喬治·博克斯所言：「所有的模型都是錯的，但有些是有用的」）。但是，一張好的地圖能幫助我們掌握主要特徵、避開危險、並成功抵達目的地。同樣地，一個好的機率模型能讓我們對不確定的世界進行驚人準確的預測與決策。
理解了這個「模型 vs. 本體」的概念後，我們就能更深刻地認識以下這些分布：它們不是數學家的空想，而是用來描繪特定「領土」的強大「地圖」。
十個有趣機率分布速覽
以下我將用最直觀的方式，為您介紹這些分布的「管轄範圍」與其「地圖類型」。
1. 伽碼分布 (Gamma)
- 負責描繪的現象：等待多個事件發生的總時間。例如，一台機器總共發生第k次故障所需的時間、累積降雨量達到某個標準所需的時間。
- 地圖類型：連續型母體分布，在頻率學派與貝氏學派（作為共軛先驗）中都備受重用。
2. 幾何分布 (Geometric)
- 負責描繪的現象：在不斷嘗試中，「第一次成功」出現時所需的次數。比如，一直擲硬幣直到出現正面，或是面試直到第一次成功錄取。
- 地圖類型：離散型母體分布，是頻率學派中描述「首勝」的經典模型。
3. 負二項分布 (Negative Binomial)
- 負責描繪的現象：是幾何分布的升級版，負責描述「第k次成功」發生時所需的總試驗次數。例如，在電話推銷中，打到第5個成功客戶時總共撥出了多少通電話。
- 地圖類型：離散型母體分布，是頻率學派分析計數數據的利器。
4. 韋伯分布 (Weibull)
- 負責描繪的現象：產品或系統的壽命與可靠性。它特別擅長描述「失效率」隨時間變化的情況（遞增、遞減或不變），廣泛用於工程與生存分析。
- 地圖類型：連續型母體分布，在頻率學派的可靠性工程中地位崇高。
5. 貝塔分布 (Beta)
- 負責描繪的現象：一個「機率本身的機率分布」。當我們想描述一個不確定的事件發生機率（例如，一枚不公平硬幣正面朝上的機率）時，貝塔分布是完美的模型。它是二項分布的「共軛先驗」。
- 地圖類型：定義在[0,1]區間的連續型母體分布，是貝氏學派的明星工具。
6. 柯西分布 (Cauchy)
- 負責描繪的現象：擁有「厚尾」的極端事件。它看起來像常態分布，但更容易出現遠離平均值的極端值。常用於物理與金融，描述共振行為或極端波動。
- 地圖類型：連續型母體分布，屬於頻率學派，但因其無法定義均值與變異數而顯得特立獨行。
7. 多項分布 (Multinomial)
- 負責描繪的現象：二項分布的多元擴展。當一次試驗有多於兩種結果（例如擲一顆骰子，結果有六種）時，重複多次試驗後的結果分布就是多項分布。
- 地圖類型：離散型母體分布，在頻率學派與貝氏學派（搭配狄利克雷分布）中都是分類數據的基礎。
8. 超幾何分布 (Hypergeometric)
- 負責描繪的現象：「不放回」抽樣中的成功次數。經典例子是：從一副52張牌中（母體有限），不放回地抽取10張，其中抽到幾張紅心的分布。
- 地圖類型：離散型母體分布，是頻率學派處理有限母體抽樣的核心。
9. 對數常態分布 (Log-normal)
- 負責描繪的現象：其「對數」服從常態分布的數據。這類數據通常右偏，且值為正。例如，個人的年收入、股票的價格、病毒的潛伏期。
- 地圖類型：連續型母體分布，是頻率學派描繪「乘法性」隨機過程的強大模型。
10. 邏輯斯分布 (Logistic)
- 負責描繪的現象：與常態分布形狀相似，但尾巴更厚。它不僅是邏輯回歸的基礎，也用於描述增長逐漸飽和的現象。
- 地圖類型：連續型母體分布，在頻率學派的迴歸分析與生存分析中極為重要。
結語：擁抱不確定性的智慧
通過這兩篇文章的介紹，我們已經裝備了超過十五種強大的「機率地圖」。從描繪普遍現象的常態分布，到處理極端值的柯西分布；從計算成功次數的二項分布，到模擬機率本身的貝塔分布。
讓我們回歸根本：世界充滿了不確定性，但這不意味著混亂。 這些機率分布模型，正是人類用來理解這種不確定性背後之規律的智慧結晶。它們是地圖，引領我們在數據的海洋中航行；它們是模型，幫助我們與複雜的自然現實進行有效的對話。
希望這次的旅程，能讓您在面對不確定的未來時，多了一份洞察與從容。
