数理统计(二)——Python中的概率分布API

数理统计(二)——Python中的概率分布API

  iwehdio的博客园:https://www.cnblogs.com/iwehdio/

 

  数理统计中进行假设检验需要查一些分布的上分位数表。在scipy的stats统计模块中,有关于数理统计中一些概率分布的API,可求得分布的概率分布函数、概率密度函数和上分位数等。选常用的正态分布、t分布、F分布、卡方分布和伽马分布做使用介绍。

 

  导入模块,并说明各个模块对应的分布:

from scipy import stats

# 正态分布
stats.norm

# t分布
stats.t

# F分布
stats.f

# 卡方分布
stats.chi2

# 伽马分布
stats.gamma

 

  

1、正态分布

  正态分布的模块名为stats.norm。在stats模块中,都是对对应分布的模块取方法来实现的,常用的三个方法如下:

功能 方法 表达式
求概率分布函数 F(x) .cdf(x;L,S) 数理统计(二)——Python中的概率分布API
求概率密度函数 f(x) .pdf(x;L,S) 数理统计(二)——Python中的概率分布API
求置信度为α的上分位数 Z(α) .isf(α;L,S) 数理统计(二)——Python中的概率分布API

  其中x为自变量的值,α为置信度,L和S为分布参数,默认L=0,S=1。

 

  对于正态分布,可以求出其在x=0.5,α=0.05,均值为2,方差为3下的概率分布、概率密度和上分位数。

# 概率分布函数
>>> stats.norm.cdf(0.5,2,3)
0.3085375387259869

# 概率密度函数
>>> stats.norm.pdf(0.5,2,3)
0.11735510892143318

# 上分位数
>>> stats.norm.isf(0.05,2,3)
6.934560880854418

 

  画概率分布曲线、概率密度曲线:

# 概率分布曲线
x=np.linspace(0,8,2000)
y=stats.norm.cdf(x,2,3)
plt.plot(x,y)
plt.title('Norm_F')

# 概率密度曲线
x=np.linspace(-6,10,2000)
y=stats.norm.pdf(x,2,3)
plt.plot(x,y)
plt.title('Norm_f')

 

  正态分布的概率分布曲线:

数理统计(二)——Python中的概率分布API

 

  正态分布的概率密度曲线:

数理统计(二)——Python中的概率分布API

  

 

 2、其他分布

  其他分布的操作与正态分布类似。

  

  ①、t分布

 

# 概率分布函数
x=np.linspace(-5,5,2000)
y=stats.t.cdf(x,5)
plt.plot(x,y)
plt.title('t_F')

# 概率密度函数
x=np.linspace(-5,5,2000)
y=stats.t.pdf(x,5)
plt.plot(x,y)
plt.title('t_f')

数理统计(二)——Python中的概率分布API  数理统计(二)——Python中的概率分布API

 

  ②、F分布

# 概率分布函数
x=np.linspace(-1,8,2000)
y=stats.f.cdf(x,5,8)
plt.plot(x,y)
plt.title('f_F')

# 概率密度函数
x=np.linspace(-1,8,2000)
y=stats.f.pdf(x,5,8)
plt.plot(x,y)
plt.title('f_f')

数理统计(二)——Python中的概率分布API  数理统计(二)——Python中的概率分布API

 

   ③、卡方分布

数理统计(二)——Python中的概率分布API  数理统计(二)——Python中的概率分布API

 

  ④、伽马分布

数理统计(二)——Python中的概率分布API  数理统计(二)——Python中的概率分布API

 

 参考:scipy官方文档:连续统计分布 https://docs.scipy.org/doc/scipy-1.4.0/reference/tutorial/stats/continuous.html

 

 iwehdio的博客园:https://www.cnblogs.com/iwehdio/

上一篇:Haproxy+Keepalived+MariaDB(Galera集群)


下一篇:Oracle 12c数据库优化器统计信息收集的最佳实践