背景

總結(jié)統(tǒng)計(jì)工作中幾個(gè)常用用法在python統(tǒng)計(jì)函數(shù)庫(kù)scipy.stats的使用范例。

正態(tài)分布

以正態(tài)分布的常見需求為例了解scipy.stats的基本使用方法。

1.生成服從指定分布的隨機(jī)數(shù)

norm.rvs通過(guò)loc和scale參數(shù)可以指定隨機(jī)變量的偏移和縮放參數(shù)，這里對(duì)應(yīng)的是正態(tài)分布的期望和標(biāo)準(zhǔn)差。size得到隨機(jī)數(shù)數(shù)組的形狀參數(shù)。(也可以使用np.random.normal(loc=0.0, scale=1.0, size=None))

In [4]: import numpy as np
In [5]: import scipy.stats as st
In [6]: st.norm.rvs(loc = 0,scale = 0.1,size =10)
Out[6]:
array([ 0.12259875, 0.07001414, 0.11296181, -0.00630321, -0.04377487,
0.00474487, -0.00728678, 0.03860256, 0.06701367, 0.03797084])
In [7]:
In [9]: st.norm.rvs(loc = 3,scale = 10,size=(2,2))
Out[9]:
array([[-13.26078265, 0.88411923],
[ 5.14734849, 17.94093177]])
In [10]:

2.求概率密度函數(shù)指定點(diǎn)的函數(shù)值

stats.norm.pdf正態(tài)分布概率密度函數(shù)。

In [33]: st.norm.pdf(0,loc = 0,scale = 1)
Out[33]: 0.3989422804014327
In [34]: st.norm.pdf(np.arange(3),loc = 0,scale = 1)
Out[34]: array([ 0.39894228, 0.24197072, 0.05399097])
In [35]:

3.求累計(jì)分布函數(shù)指定點(diǎn)的函數(shù)值

stats.norm.cdf正態(tài)分布累計(jì)概率密度函數(shù)。

In [52]: st.norm.cdf(0,loc=3,scale=1)
Out[52]: 0.0013498980316300933
In [53]: st.norm.cdf(0,0,1)
Out[53]: 0.5
In [54]:

4.累計(jì)分布函數(shù)的逆函數(shù)

stats.norm.ppf正態(tài)分布的累計(jì)分布函數(shù)的逆函數(shù)，即下分位點(diǎn)。

In [59]: z05 = st.norm.ppf(0.05)
In [60]:
In [60]: z05
Out[60]: -1.6448536269514729
In [61]: st.norm.cdf(z05)
Out[61]: 0.049999999999999975
In [62]:

通用函數(shù)

stats連續(xù)型隨機(jī)變量的公共方法：

*離散分布的簡(jiǎn)單方法大多數(shù)與連續(xù)分布很類似，但是pdf被更換為密度函數(shù)pmf。

常見分布

可能用到的分布對(duì)照表

以上這篇python統(tǒng)計(jì)函數(shù)庫(kù)scipy.stats的用法解析就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。