通用函数
随机变量的公共方法
| 名称 | 备注 |
|---|---|
| rvs | 产生服从指定分布的随机数 |
| 概率密度函数 | |
| pmf | 离散概率质量函数 |
| cdf | 累计分布函数 |
| ppf | 分位点函数（CDF的逆） |
| sf | 残存函数（1-CDF） |
| isf | 逆残存函数（sf的逆） |
| fit | 对一组随机取样进行拟合，最大似然估计方法找出最适合取样数据的概率密度函数系数。 |
常见分布
| 名称 | 含义 |
|---|---|
| beta | beta分布 |
| f | F分布 |
| gamma | 伽马分布 |
| poisson | 泊松分布 |
| hypergeom | 超几何分布 |
| lognorm | 对数正态分布 |
| binom | 二项分布 |
| uniform | 均匀分布 |
| chi2 | 卡方分布 |
| cauchy | 柯西分布 |
| laplace | 拉普拉斯分布 |
| rayleigh | 瑞利分布 |
| t | 学生T分布 |
| norm | 正态分布 |
| expon | 指数分布 |
案例
rvs
from scipy.stats import beta
b = beta(10,3)
samples = b.rvs(1000) # 从beta(10,3)分布中采集 1000 个样本
_ = plt.hist(samples, bins=100)
概率密度函数
x = np.linspace(0,1,100)
pdf = [b.pdf(i) for i in x]
plt.plot(x,pdf)
plt.show()
cdf
累计分布函数 = 概率密度函数的积分
x = np.linspace(0,1,100) # [0,1]区间上的点
cdf = [b.cdf(i) for i in x] # 对应点的累计分布函数
plt.plot(x,cdf)
plt.show()
ppf
ppf 是 cdf 的反函数，也可以成为分位点函数
percents = np.linspace(0,1,100)
quantiles = [b.ppf(i) for i in percents]
plt.plot(percents, quantiles)
plt.show()
文章出处登录后可见！
已经登录？立即刷新
