distfit-概率密度拟合
Star it if you like it!
背景
distfit是一个python软件包，用于通过残差平方和（RSS）和假设检验将89个单变量分布与非审查数据进行概率密度拟合。概率密度拟合是将概率分布拟合到与重复测量可变现象有关的一系列数据。 distfit根据经验分布对89个不同分布中的每一个进行拟合，并返回最佳得分分布。
功能性
distfit库是使用类创建的，以确保使用的简便性。
# Import library
from distfit import
Codenation-semana-4
笔记本介绍性知识（经验累积分布函数（ECDF））
概率的功能
Neste desafio vamos praticar nossos conhecimentos em probabilidade eestatística，conhecimentos fundamentais para qualquer cientista de dados。
Objetivo
作为基本的自然分布的概率分布图PDF，CDF和量化的基本分布的分布关系：正常的二项式。
Pa
最大后验（Maximum A Posteriori，MAP）概率估计
注：阅读本文需要贝叶斯定理与最大似然估计的部分基础
最大后验（Maximum A Posteriori，MAP）估计可以利用经验数据获得对未观测量的点态估计。它与Fisher的最（极）大似然估计（Maximum Likelihood，ML）方法相近，不同的是它扩充了优化的目标函数，其中融合了预估计量的先验分布信息，所以最大后验估计可以看作是正则化（regularized）的最大似然估计。
想要了解最大后验（MAP）概率
