为什么分布很重要？

这可能和在该论坛上提出过的最愚​​蠢的问题一样，但是在收到上一个问题的合理答案后，我想我会再次运气。

一段时间以来，我一直对统计分布的重要性感到困惑，特别是因为它们与资产收益有关，更具体地说与资产分配有关。

我要具体说明的问题是：假设我有20年的标准普尔500指数月度回报数据，为什么在我可以简单地进行资产分配决策时，为什么我需要假设某种分配形式（即正态分布/约翰逊/征税飞行等）？只是根据我拥有的历史数据做出资产分配决策？

使用假定的分布（即参数分析）将减少方法的计算成本。我假设您想执行回归或分类任务。这意味着您将在某个时候估计一些数据的分布。当数据不符合深入研究的分布时，非参数方法很有用，但是它们通常需要更多的时间来计算或存储更多的内存。

同样，如果数据是由符合分布的过程生成的，例如它们是某些均匀随机过程的平均值，则使用该分布更有意义。在平均一组均匀变量的情况下，正确的分布可能是高斯分布。

补充詹姆斯的回答：参数模型（通常）还需要较少的样本才能具有良好的拟合度：这可能会提高其泛化能力：也就是说，他们可能会更好地预测新数据，甚至是错误的。当然，这取决于情况，模型和样本量。