背景

總結(jié)統(tǒng)計工作中幾個常用用法在python統(tǒng)計函數(shù)庫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.求累計分布函數(shù)指定點(diǎn)的函數(shù)值

stats.norm.cdf正態(tài)分布累計概率密度函數(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.累計分布函數(shù)的逆函數(shù)

stats.norm.ppf正態(tài)分布的累計分布函數(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：

名稱 備注 rvs 產(chǎn)生服從指定分布的隨機(jī)數(shù) pdf 概率密度函數(shù) cdf 累計分布函數(shù) sf 殘存函數(shù)（1-CDF） ppf 分位點(diǎn)函數(shù)（CDF的逆） isf 逆殘存函數(shù)（sf的逆） fit 對一組隨機(jī)取樣進(jìn)行擬合，最大似然估計方法找出最適合取樣數(shù)據(jù)的概率密度函數(shù)系數(shù)。

*離散分布的簡單方法大多數(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

可能用到的分布對照表

名稱 含義 beta beta分布 f F分布 gamma gam分布 poisson 泊松分布 hypergeom 超幾何分布 lognorm 對數(shù)正態(tài)分布 binom 二項(xiàng)分布 uniform 均勻分布 chi2 卡方分布 cauchy 柯西分布 laplace 拉普拉斯分布 rayleigh 瑞利分布 t 學(xué)生T分布 norm 正態(tài)分布 expon 指數(shù)分布

以上這篇python統(tǒng)計函數(shù)庫scipy.stats的用法解析就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持好吧啦網(wǎng)。