scipy.stats与统计学:4个概率分布:N,chi2,F,t
scipy.stats与统计学:4个概率分布:N,chi2,F,t
四个常用分布的概率密度函数、分布函数、期望、分位数、以及期望方差标准差中位数原点矩:
1,正态分布:
from scipy.stats import norm
(1)概率密度函数:
norm.pdf(x, mu, sigma) # 返回N(mu,sigma^2)的概率密度函数在 x 处的值
(2)概率分布函数:
norm.cdf(x, mu, sigma) # 返回N(mu,sigma^2)的概率密度函数在 负无穷 到 x 上的积分,也就是概率分布函数的值
norm.sf(x, mu, sigma) # 返回 1 - norm.cdf(x, mu, sigma^2)
(3)数学期望:
norm.expect( func = f, loc = mu, scale = sigma ) # 返回f(x)的期望,注意这里的loc和scale
(4)分位数:
norm.isf(1-alpha, mu, sigma) # 返回值s满足:norm.cdf(s, mu, sigma^2) = alpha,s就是alpha分位数
norm.ppf(alpha, mu, sigma) # 返回值s满足:norm.cdf(s, mu, sigma^2) = alpha,s就是alpha分位数
(5)最大似然估计:
norm.fit(a) # 假定数组a来自正态分布,返回mu和sigma的最大似然估计。感觉结果不咋地。。
(6)分布的数量关系:
norm.mean(mu,sigma) # N(mu,sigma^2) 的均值
norm.var(mu,sigma) # N(mu,sigma^2) 的方差
norm.std(mu,sigma) # N(mu,sigma^2) 的方差再开平方根
norm.median(mu,sigma) # N(mu,sigma^2) 的中位数
norm.moment(a,mu,sigma) # N(mu,sigma^2) 的 a 阶原点矩
(7)产生满足正态分布的随机数:
norm.rvs(loc = mu,scale = sigma, size = N) # 产生N个服从N(mu,sigma^2)的随机数
2,卡方分布:chi2
from scipy.stats import chi2
(1)概率密度函数:
chi2.pdf(x, n) # 返回\chi^2(n)的概率密度函数在 x 处的值
(2)概率分布函数:
chi2.cdf(x, n) # 返回\chi^2(n)的概率密度函数在 0 到 x 上的积分,也就是概率分布函数的值
chi2.sf(x, n) # 返回 1 - chi2.cdf(x, n)
(3)数学期望:
chi2.expect( func = f , args=(n,) ) # 返回f(x)的期望
(4)分位数:
chi2.isf(1-alpha, n) # 返回值s满足:chi2.cdf(s, n) = alpha, s就是alpha分位数
chi2.ppf(alpha, n) # 返回值s满足:chi2.cdf(s, n) = alpha, s就是alpha分位数
(5)分布的数量关系:
chi2.mean(n) # \chi^2(n) 的均值
chi2.var(n) # \chi^2(n) 的方差
chi2.std(n) # \chi^2(n) 的方差再开平方根
chi2.median(n) # \chi^2(n) 的中位数
chi2.moment(a,n) # \chi^2(n) 的 a 阶原点矩
3,F分布:
from scipy.stats import f
(1)概率密度函数:
f.pdf(x, m, n) # 返回F(m,n)的概率密度函数在x处的值
(2)概率分布函数:
f.cdf(x, m, n) # 返回F(m,n)的概率密度函数在0到x上的积分,也就是概率分布函数的值
chi2.sf(x, n) # 返回 1 - f.cdf(x, m, n)
(3)数学期望:
f.expect( func = g , args=(m, n) ) # 返回g(x)的数学期望
(4)分位数:
f.isf(1-alpha, m, n) # 返回值s满足:chi2.cdf(s, n) = alpha, s就是alpha分位数
f.ppf(alpha, m, n) # 返回值s满足:chi2.cdf(s, n) = alpha, s就是alpha分位数
(5)分布的数量关系:
f.mean(m, n) # F(m,n) 的均值
f.var(m, n) # F(m,n) 的方差
f.std(m, n) # F(m,n) 的方差再开平方根
f.median(m, n) # F(m,n) 的中位数
f.moment(a, m, n) # F(m,n) 的 a 阶原点矩
4,t分布:
from scipy.stats import t
(1)概率密度函数:
t.pdf(x, n) # 返回t(n)的概率密度函数在x处的值
(2)概率分布函数:
t.cdf(x, n) # 返回t(n)的概率密度函数在负无穷到x上的积分,也就是概率分布函数的值
t.sf(x, n) # 返回 1 - t.cdf(x, n)
(3)数学期望:
t.expect( func = f , args=(n,) ) # 返回f(x)的期望
(4)分位数:
t.isf(1-alpha, n) # 返回值s满足:t.cdf(s, n) = alpha, s就是alpha分位数
t.ppf(alpha, n) # 返回值s满足:t.cdf(s, n) = alpha, s就是alpha分位数
(5)分布的数量关系:
t.mean(n) # t(n) 的均值
t.var(n) # t(n) 的方差
t.std(n) # t(n) 的方差再开平方根
t.median(n) # t(n) 的中位数
t.moment(a,n) # t(n) 的 a 阶原点矩
scipy.stats与统计学:4个概率分布:N,chi2,F,t的更多相关文章
- Scipy教程 - 统计函数库scipy.stats
http://blog.csdn.net/pipisorry/article/details/49515215 统计函数Statistical functions(scipy.stats) Pytho ...
- scipy.stats
scipy.stats Scipy的stats模块包含了多种概率分布的随机变量,随机变量分为连续的和离散的两种.所有的连续随机变量都是rv_continuous的派生类的对象,而所有的离散随机变量都是 ...
- 关于使用scipy.stats.lognorm来模拟对数正态分布的误区
lognorm方法的参数容易把人搞蒙.例如lognorm.rvs(s, loc=0, scale=1, size=1)中的参数s,loc,scale, 要记住:loc和scale并不是我们通常理解的对 ...
- [原创博文] 用Python做统计分析 (Scipy.stats的文档)
[转自] 用Python做统计分析 (Scipy.stats的文档) 对scipy.stats的详细介绍: 这个文档说了以下内容,对python如何做统计分析感兴趣的人可以看看,毕竟Python的库也 ...
- scipy.stats.multivariate_normal的使用
参考:https://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.stats.multivariate_normal.html ...
- 标准正态分布表(scipy.stats)
0. 标准正态分布表与常用值 Z-score 是非标准正态分布标准化后的 x即 z=x−μσ" role="presentation">z=x−μσz=x−μσ 表 ...
- python scipy stats学习笔记
from scipy.stats import chi2 # 卡方分布from scipy.stats import norm # 正态分布from scipy.stats import t # t分 ...
- Scipy的stats模块包含了多种概率分布的随机变量,随机变量分为连续和离散两种。+忽略程序中警告信息+np.newaxis解释
- 利用Python进行数据分析(1) 简单介绍
一.处理数据的基本内容 数据分析 是指对数据进行控制.处理.整理.分析的过程. 在这里,“数据”是指结构化的数据,例如:记录.多维数组.Excel 里的数据.关系型数据库中的数据.数据表等. 二.说说 ...
随机推荐
- 解决 Ionic 浏览器跨域问题
<system.webServer> <httpProtocol> <customHeaders> <add name="Access-Contro ...
- JMeter实现Oracle参数化(1)
http://www.ithao123.cn/content-10469577.html
- python 将列表(也可以是file.readlines())输出多个文件
open_diff = open('yanggao.txt', 'r',encoding='utf-8')diff_line = open_diff.readlines() diff_match_sp ...
- 今天才知道原来我还没弄清楚js中全局变量和局部变量的定义...
查资料看到这段还不错,来源:原文:https://blog.csdn.net/czh500/article/details/80429133 粘过来记录一下... 1.使用var声明变量,在方法内部是 ...
- BZOJ1001 [BeiJing2006]狼抓兔子 最小割 对偶图 最短路
原文链接http://www.cnblogs.com/zhouzhendong/p/8686871.html 题目传送门 - BZOJ1001 题意 长成上面那样的网格图求最小割. $n,m\leq ...
- scrapy 代码调试用 shell
在虚拟机里CD到你的scrapy某个项目的目录,再 1. scrapy shell + '网址'(注意引号) 2. response.xpath(' ')来提取 如: response.xpath(' ...
- 01++ Bookshelf 2
http://poj.org/problem?id=3628 就是比原题多了一个要求,输出>=m的最小值 kisang~独立做出来的都开心<( ̄︶ ̄)> #include<cs ...
- RBF:RBF基于近红外光谱的汽油辛烷值含量预测结果对比—Jason niu
load spectra_data.mat temp = randperm(size(NIR,1)); P_train = NIR(temp(1:50),:)'; T_train = octane(t ...
- P1967 货车运输
P1967 货车运输最大生成树+lca+并查集 #include<iostream> #include<cstdio> #include<queue> #inclu ...
- SpringMVC(二六) SpringMVC配置文件中使用mvc:view-controller标签
在springmvc中使用mvc:view-controller标签直接将访问url和视图进行映射,而无需要通过控制器. 参考springmvc.xml内容: <?xml version=&qu ...