连续型随机变量的概率分布
德国的高斯
法国的拉普拉斯
回到最开始的业务场景
通过统计描述，分析师已经了解了配件A过去的日消耗量波动情况，现希望基于历史数据设定库存控制线，要求该库存量能够保证99%的使用日不会出现库存断货情况。
该怎么办呢？
控制线设置成均数可以吗？
肯定是不可以的，因为均值只是代表一般水平，换句话说，有大概一半的数据在均数以下，有一半在以上，如果把均数设置为库存控制线，最多也就只能满足50%左右的使用日不会出现库存断货情况
如果使用百分位数呢？
计算P99位置的数值，这样理论是可以的，但是百分位数对于样本量比较大的数据集才具有意义，样本量太小，实际意义不大
举个例子：零件日消耗量分布从1-100，我们随机抽取50个样本，计算P99，要求这个值要大于99%的日消耗，假设这个样本数据的最大值是80，比这个数小的是78，最终我们计算出来的是78，显然跟100差的很远，这个数据拿到实际应用中，是不满足要求的，因为样本量少造成的误差太大的缘故。
那该怎么办？
那就用到接下来要讲的内容
从频数分布到概率分布
那我们来分析一下
直方图/频率图的性质
直条的面积实质上就是频率（或者百分比）
面积=直条高度X宽度(组距) = 频率
因此直条的面积相加等于1
当样本量越来越大，频率(面积) 趋向概率
并且组距越来越小时，直方条的顶缩成点并且各个直方条的顶连接成一条曲线，这条曲线就是 概率密度分布曲线
概率密度的概念和固体的密度基本类似
哪个地方的概率大说明密度就大
这就是正态分布