### О чём могут «рассказать» законы распределения случайных величин, если научиться их «слушать»



Законы распределения случайных величин наиболее «красноречивы» при статистической обработке результатов измерений. Адекватная оценка результатов измерений возможна лишь в том случае, когда известны правила, определяющие поведение погрешностей измерения. Основу этих правил и составляют законы распределения погрешностей, которые могут быть представлены представлены в дифференциальной **(pdf)** или интегральной **(cdf)** формах.

К основным характеристикам законов распределения относятся: наиболее вероятное значение измеряемой величины под названием математическое ожидание **(mean)**; мера рассеивания случайной величины вокруг математического ожидания под названием среднеквадратическое отклонение **(std)**.

Дополнительными характеристиками являются – мера скученности дифференциальной формы закона распределения относительно оси симметрии под названием асимметрия **(skew) **и мера крутости, огибающей дифференциальной формы под названием эксцесс **(kurt)**. Читатель уже догадался, что приведенные сокращения взяты из библиотек scipy. stats, numpy, которые мы и будем использовать.

[Читать дальше →][1]

[1]: https://habrahabr.ru/post/331560/?utm_source=habrahabr&utm_medium=rss&utm_campaign=feed_posts#habracut