实现了0~1 均匀分布抽样， 实现标准正态分布抽样 实现是三角分布抽样， 实现均匀分布抽样 实现指数分布抽样， 实现尔朗分布抽样， 实现泊松分布抽样， 实现韦布尔分布和伽马分布抽样 见实验代码WeibullDistribution.py 和GammaDistribution.py。

目录   1、scipy库中各分布对应的方法   2、stats中各分布的常用方法及其功能   3、正态分布的概率密度函数及其图象     1）正态分布的概率密度函数及其图象     2）python绘制正态分布的概率密度函数图象   4、卡方分布的概率密度函数及其图象     1）卡方分布的概率密度函数及其图象     2）python绘制卡方分布的概率密度函数图象   5、t分布的概率密度函数及其图象     1）t分布的概率密度函数及其图象     2）python绘制t分布的概率密度函数

多元正态分布(多元高斯分布) 直接从多元正态分布讲起。多元正态分布公式如下： 这就是多元正态分布的定义，均值好理解，就是高斯分布的概率分布值最大的位置，进行采样时也就是采样的中心点。而协方差矩阵在多维上形式较多。 协方差矩阵 一般来说，协方差矩阵有三种形式，分别称为球形、对角和全协方差。以二元为例： 为了方便展示不同协方差矩阵的效果，我们以二维为例。(书上截的图，凑活着看吧，是在不想画图了) 其实从这个图上可以很好的看出，协方差矩阵对正态分布的影响，也就很好明白了这三个协方差矩阵是哪里来的

可靠性是一个用于和的Python库。 它显着扩展了scipy.stats的功能，还包括许多专用工具，这些工具否则只能在专有软件中使用。 文献资料 详细的文档和示例可在。 主要特点 将概率分布拟合到包括右删失数据的数据 拟合Weibull混合模型和Weibull竞争风险模型 计算受支持分布的任意组合之间的应力-强度干扰的失败概率 支持指数，Weibull，Gamma，Gumbel，正态，对数正态，对数和Beta概率分布 平均剩余寿命，分位数，描述性统计摘要，分布随机抽样 概率密度函数（PDF），累