背景

總結統計工作中幾個常用用法在python統計函數庫scipy.stats的使用范例。

正態分布

以正態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數

norm.rvs通過loc和scale參數可以指定隨機變量的偏移和縮放參數，這里對應的是正態分布的期望和標準差。size得到隨機數數組的形狀參數。(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.求概率密度函數指定點的函數值

stats.norm.pdf正態分布概率密度函數。

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.求累計分布函數指定點的函數值

stats.norm.cdf正態分布累計概率密度函數。

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.累計分布函數的逆函數

stats.norm.ppf正態分布的累計分布函數的逆函數，即下分位點。

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

stats連續型隨機變量的公共方法：

名稱 備注 rvs 產生服從指定分布的隨機數 pdf 概率密度函數 cdf 累計分布函數 sf 殘存函數（1-CDF） ppf 分位點函數（CDF的逆） isf 逆殘存函數（sf的逆） fit 對一組隨機取樣進行擬合，最大似然估計方法找出最適合取樣數據的概率密度函數系數。

*離散分布的簡單方法大多數與連續分布很類似，但是pdf被更換為密度函數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 對數正態分布 binom 二項分布 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 學生T分布 norm 正態分布 expon 指數分布

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