了解資料的分佈，有助於我們進行資料清洗或者Machine Learning演算法的選擇。例如，Gaussian Naive Bayes假設資料的分佈是常態分佈。

Normal Distribution
常態分佈也稱作高斯分佈(Gaussian)，是昨天提到的Numerical Continuous的資料分佈方式。常態分佈呈現鐘形的分佈，一般會用平均值和標準差來描述資料的常態分佈。另外，著名的中央極限定理，告訴我們大量的抽樣資料之後，資料會趨向於常態分佈。

Poisson Distribution
針對Numerical Discrete這一類的離散型資料分佈，可以透過Poisson Distribution來呈現。

Bernoulli Distribution
如果資料分佈是二元類型(非Ａ即B)，則可以透過Bernoulli Distribution來觀察資料的分佈。

Binomial Distribution
試驗多次的Bernoulli實驗，可得到Binomial Distribution。

這邊附上ChatGPT情境作答題：

情境1：正態分佈（Normal Distribution）

一間工廠生產的產品的尺寸分佈呈現出典型的鐘形曲線，其中大多數產品的尺寸接近平均值。這種情況最適合描述以下哪種分佈？

A) 泊松分佈（Poisson Distribution）
B) 正態分佈（Normal Distribution）
C) 伯努利分佈（Bernoulli Distribution）
D) 二項分佈（Binomial Distribution）

答案：B) 正態分佈（Normal Distribution）

情境2：泊松分佈（Poisson Distribution）

在一家網站上，每小時平均有 5 個用戶提交問題報告。你想知道在下一小時內會有多少問題報告提交。這種情況最適合描述以下哪種分佈？

A) 泊松分佈（Poisson Distribution）
B) 正態分佈（Normal Distribution）
C) 伯努利分佈（Bernoulli Distribution）
D) 二項分佈（Binomial Distribution）

答案：A) 泊松分佈（Poisson Distribution）

情境3：伯努利分佈（Bernoulli Distribution）

在一個硬幣投擲實驗中，你想知道硬幣正面朝上的機率。這種情況最適合描述以下哪種分佈？

A) 泊松分佈（Poisson Distribution）
B) 正態分佈（Normal Distribution）
C) 伯努利分佈（Bernoulli Distribution）
D) 二項分佈（Binomial Distribution）

答案：C) 伯努利分佈（Bernoulli Distribution）

情境4：二項分佈（Binomial Distribution）

一個廣告活動的點擊率是 10％，你想知道在 100 次廣告顯示中有多少次會被點擊。這種情況最適合描述以下哪種分佈？

A) 泊松分佈（Poisson Distribution）
B) 正態分佈（Normal Distribution）
C) 伯努利分佈（Bernoulli Distribution）
D) 二項分佈（Binomial Distribution）

答案：D) 二項分佈（Binomial Distribution）

情境5：正態分佈（Normal Distribution）

身高的分佈在一個大型人口中呈現出典型的鐘形曲線，其中大多數人的身高接近平均值。這種情況最適合描述以下哪種分佈？

A) 泊松分佈（Poisson Distribution）
B) 正態分佈（Normal Distribution）
C) 伯努利分佈（Bernoulli Distribution）
D) 二項分佈（Binomial Distribution）

答案：B) 正態分佈（Normal Distribution）