连续 vs 离散

高斯分布是一种连续型概率分布。因此，在深入学习高斯分布之前，我们先复习一下连续分布与离散分布之间的区别。

提示一下，连续型概率分布同高度、重量、距离、速度、角度等连续变量相关。

你已接触过均匀连续概率分布，比如下面这个例子。

另一方面，离散分布则与取特定值的变量相关，比如抛硬币、掷骰子或是在网格中定位。下面是一个离散分布的例子。

连续分布

均匀连续概率分布只是众多连续型概率分布中的一种。查看 Wikipedia 连续分布列表 的相关页面，感受一下它们的数量之庞大。

这些概率分布究竟有什么共同点？它们都代表了 连续变量 事件发生的概率。在不同情况下会运用不同的分布。

例如，在研究旋转轮盘的概率模型时，你会用到均匀分布。而在探究传感器数据的不确定性时，你将会用到高斯分布。

高斯分布

为了了解无人驾驶的不确定性，你至少需要掌握高斯分布的基础知识。例如，在研究传感器数据的不确定性或是确定行人的位置时，往往会应用高斯分布。

接下来，本课程将简要介绍高斯分布和它的起源。

然而，这并不是一门纯统计课程。我们只是对这种分布进行简单介绍，同时假设你已经熟悉了平均值、标准差、总体和样本等术语，其中：

• 总体 指全部数据点的集合。例如，当你在测量人们的体重时，总体便是世界上的全部人口。
• 样本 指总体中的一部分。在上面体重的例子中，测量世界上所有人的体重并不现实，因此你也许会从总体中随机选择样本。
• 均值 指平均值。在上面这个例子中它指全部人口的平均体重。
• 标准差 能测量数据的分布。这组数据是趋于围绕平均值分布，还是趋于离散？

如果你并不熟悉这些术语，或是需要复习，这些资源对你来说也许有用： 样本 vs 总体 。