算法是大数据的最核心价值部分。大数据的挖掘是从海量、不完整、噪声、模糊、随机、碎片数据中发现其中隐藏的价值，以及潜在的有用信息和知识的过程。什么情况用什么算法呢?今天给大家做个大数据算法入门。

一、统计分布

统计分布(frequency distribution)亦称“次数(频数)分布(分配)”。在统计分组的基础上，将总体中的所有单位按组归类整理，形成总体单位在各组间的分布。分布在各组中的单位数叫做次数或频数。各组次数与总次数(全部总体单位数)之比，称为比率或频率。将各组别与次数依次编排而成的数列就叫做统计分布数列，简称分布数列或分配数列。它可以反映总体中所有单位在各组间的分布状态和分布特征，研究这种分布特征是统计分析的一项重要内容。如上的BLABLA的一堆，具体来看看到底能干什么吧。

1)平均值

举个栗子!中国男人背上“油腻”一词好几年了，根据《2017中国人运动报告》数据显示，至少在步行量上，男生要高于女生：男生平均每天走5874步，女生日均步数达到5268步。注重运动加上更新一下观念，中国男人或许能保持一下少年感。

2)同比和环比

同比一般情况下是今年第n月与去年第n月比。

环比，表示连续2个单位周期(比如连续两月)内的量的变化比。

3)高斯分布

正态分布(Normal distribution)，也称“常态分布”，又名高斯分布(Gaussian distribution)，最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。

高斯分布怎么用?举个栗子：这张图大家都见过吧。收集尽量多的用户的开机时间，然后，查看时间的分布如何。

4)柏松分布

Poisson分布，是一种统计与概率学里常见到的离散概率分布，由法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson)在1838年时发表。

小小柏松分布在大数据领域可以解决大大的问题!干货来了!

栗子1：玩电商和仓储的，进来看看。已知某家小杂货店，平均每周售出2个水果罐头。请问该店水果罐头的最佳库存量是多少?

假定不存在季节因素，可以近似认为，这个问题满足以下三个条件：

• a.顾客购买水果罐头是小概率事件。
• b.购买水果罐头的顾客是独立的，不会互相影响。
• c.顾客购买水果罐头的概率是稳定的。

在统计学上，只要某类事件满足上面三个条件，它就服从"泊松分布"。

根据公式，计算得到每周销量的分布：从上表可见，如果存货4个罐头，95%的概率不会缺货(平均每19周发生一次);如果存货5个罐头，98%的概率不会缺货(平均59周发生一次)。

5)伯努利分布

伯努利分布(英语：Bernoulli distribution，又名两点分布或者0-1分布，是一个离散型概率分布，为纪念瑞士科学家雅各布·伯努利而命名。)。通俗讲，一件事情，只有两种可能的结果。伯努利分布描述了其中一种结果的概率为a，另一种结果的概率为100%-a。再通俗的讲，生一次孩子，生男孩子概率为p,生女孩纸概率1-p，这个就是伯努利分布。