【编写环境二】python库scipy.stats各种分布函数生成、以及随机数生成【泊松分布、正态分布等】 |
您所在的位置:网站首页 › 随机变量的生成函数公式有哪些 › 【编写环境二】python库scipy.stats各种分布函数生成、以及随机数生成【泊松分布、正态分布等】 |
平时我们在编写代码是会经常用到一些随机数,而这些随机数服从一定的概率分布。 1.泊松分布、正态分布等生成方法 1.1常见分布:stats连续型随机变量的公共方法: *离散分布的简单方法大多数与连续分布很类似,但是pdf被更换为密度函数pmf。 1.2 生成服从指定分布的随机数norm.rvs通过loc和scale参数可以指定随机变量的偏移和缩放参数,这里对应的是正态分布的期望和标准差。size得到随机数数组的形状参数。(也可以使用np.random.normal(loc=0.0, scale=1.0, size=None)) import numpy as np import scipy.stats as st st.norm.rvs(loc = 0,scale = 0.1,size =10) st.norm.rvs(loc = 3,scale = 10,size=(2,2)) #结果 array([[-13.26078265, 0.88411923],[ 5.14734849, 17.94093177]]) array([ 0.12259875, 0.07001414, 0.11296181, -0.00630321, -0.04377487, 0.00474487, -0.00728678, 0.03860256, 0.06701367, 0.03797084]) 1.3 求概率密度函数指定点的函数值stats.norm.pdf正态分布概率密度函数。 st.norm.pdf(0,loc = 0,scale = 1) st.norm.pdf(np.arange(3),loc = 0,scale = 1) #结果 0.3989422804014327 array([ 0.39894228, 0.24197072, 0.05399097]) 1.4 求累计分布函数指定点的函数值stats.norm.cdf正态分布累计概率密度函数 st.norm.cdf(0,loc=3,scale=1) st.norm.cdf(0,0,1) #结果: 0.0013498980316300933 0.5 1.5 累计分布函数的逆函数stats.norm.ppf正态分布的累计分布函数的逆函数,即下分位点。 z05 = st.norm.ppf(0.05) print(z05) st.norm.cdf(z05) #结果 -1.6448536269514729 0.049999999999999975 2. 泊松分布 2.1 泊松分布问题:假设我每天喝水的次数服从泊松分布,并且经统计平均每天我会喝8杯水 请问: 1、我明天喝7杯水概率? 2、我明天喝9杯水以下的概率? 泊松分布的概率函数为: 累积概率分布函数为: 均值方差:泊松分布的均值和方差都是 可以看出,在均值8附近,概率最大,均值两边概率呈递减状态 2.3 随机数生成:生成服从 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |