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(diǎn)左側(cè)積分

使用實(shí)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(shí)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(hào)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(jì)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(qǐng)搜索好吧啦網(wǎng)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好吧啦網(wǎng)！