python的scipy.stats模塊中正態(tài)分布常用函數(shù)總結(jié)
python的scipy.stats模塊是連續(xù)型隨機(jī)變量的公共方法,可以產(chǎn)生隨機(jī)數(shù),通常是以正態(tài)分布作為scipy.stats的基本使用方法。本文介紹正態(tài)分布的兩種常用函數(shù):1、累積概率密度函數(shù)stats.norm.cdf(α,均值,方差);2、概率密度函數(shù)stats.norm.pdf(α,均值,方差)。
1、stats.norm.cdf(α,均值,方差):累積概率密度函數(shù)
使用格式
status.norm.cdf(Norm) # 相當(dāng)于已知正態(tài)分布函數(shù)曲線和x值,求函數(shù)x點左側(cè)積分
使用實例
a=st.norm.cdf(0,loc=0,scale=1) print(a) x=st.norm.cdf(1.65,loc=0,scale=1) y=st.norm.cdf(1.96,loc=0,scale=1) z=st.norm.cdf(2.58,loc=0,scale=1) print(x,y,z)
2、stats.norm.pdf(α,均值,方差):概率密度函數(shù)
使用格式
status.norm.pdf(Norm) # 相當(dāng)于已知正態(tài)分布函數(shù)曲線和x值,求y值
使用實例
x=st.norm.pdf(0,loc=0,scale=1) y=st.norm.pdf(np.arange(3),loc=0,scale=1) print(x) print(y)
內(nèi)容擴(kuò)展:
scipy主要的模塊
- cluster 聚類算法
- constants 物理數(shù)學(xué)常數(shù)
- fftpack 快速傅里葉變換
- integrate 積分和常微分方程求解
- interpolate 插值
- io 輸入輸出
- linalg 線性代數(shù)
- odr 正交距離回歸
- optimize 優(yōu)化和求根
- signal 信號處理
- sparse 稀疏矩陣
- spatial 空間數(shù)據(jù)結(jié)構(gòu)和算法
- special 特殊方程
- stats 統(tǒng)計分布和函數(shù)
- weave C/C++ 積分
到此這篇關(guān)于python的scipy.stats模塊中正態(tài)分布常用函數(shù)總結(jié)的文章就介紹到這了,更多相關(guān)scipy.stats模塊中正態(tài)分布常用函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
django-crontab實現(xiàn)服務(wù)端的定時任務(wù)的示例代碼
這篇文章主要介紹了django-crontab實現(xiàn)服務(wù)端的定時任務(wù)的示例代碼,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-02-02
在 Django/Flask 開發(fā)服務(wù)器上使用 HTTPS
使用 Django 或 Flask 這種框架開發(fā) web app 的時候一般都會用內(nèi)建服務(wù)器開發(fā)和調(diào)試程序,等程序完成后再移交到生產(chǎn)環(huán)境部署。問題是這些內(nèi)建服務(wù)器通常都不支持 HTTPS,那么我們來探討下開啟https吧2014-07-07
Python實現(xiàn)在數(shù)字中添加千位分隔符的方法小結(jié)
在數(shù)據(jù)處理和數(shù)據(jù)可視化中,經(jīng)常需要對大數(shù)值進(jìn)行格式化,其中一種常見的需求是在數(shù)字中添加千位分隔符,本文為大家整理了三種常見方法,希望對大家有所幫助2024-01-01
pandas預(yù)處理部分地區(qū)數(shù)據(jù)案例
本文主要介紹了pandas預(yù)處理部分地區(qū)數(shù)據(jù)案例,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-01-01
關(guān)于Python的GPU編程實例近鄰表計算的講解
本文主要講解了Python的GPU編程實例近鄰表計算,通過一個近鄰表計算的案例,給出了適用于GPU加速的計算場景。需要了解的朋友可以參考一下這篇文章2021-08-08

