在python中求分布函數(shù)相關(guān)的包實例
為了了解(正態(tài))分布的方法和屬性,我們首先引入norm
>>>from scipy.stats import norm >>>rv = norm() >>>dir(rv) # reformatted [‘__class__', ‘__delattr__', ‘__dict__', ‘__doc__', ‘__getattribute__', ‘__hash__', ‘__init__', ‘__module__', ‘__new__', ‘__reduce__', ‘__reduce_ex__', ‘__repr__', ‘__setattr__', ‘__str__', ‘__weakref__', ‘a(chǎn)rgs', ‘cdf', ‘dist', ‘entropy', ‘isf', ‘kwds', ‘moment', ‘pdf', ‘pmf', ‘ppf', ‘rvs', ‘sf', ‘stats']
其中,連續(xù)隨機變量的主要公共方法如下:
rvs: Random Variates
pdf: Probability Density Function
cdf: Cumulative Distribution Function
sf: Survival Function (1-CDF)
ppf: Percent Point Function (Inverse of CDF)
isf: Inverse Survival Function (Inverse of SF)
stats: Return mean, variance, (Fisher's) skew, or (Fisher's) kurtosis
moment: non-central moments of the distribution
rvs:隨機變量
pdf:概率密度函。
cdf:累計分布函數(shù)
sf:殘存函數(shù)(1-CDF)
ppf:分位點函數(shù)(CDF的逆)
isf:逆殘存函數(shù)(sf的逆)
stats:返回均值,方差,(費舍爾)偏態(tài),(費舍爾)峰度。
moment:分布的非中心矩。
我們以cdf為例:
>>>norm.cdf(0) 0.5 >>>norm.mean(), norm.std(), norm.var() (0.0, 1.0, 1.0)
重點來了,cdf的逆竟然也可以求,這個方法就是ppf
>>>norm.ppf(0.5)
0.0
離散分布中,pdf被更換為密度函數(shù)pmf,而cdf的逆也有所不同:
ppf(q) = min{x : cdf(x) >= q, x integer}
此外,fit可以求分布參數(shù)的極大似然估計,包括location與scale,nnlf可以求負(fù)對數(shù)似然函數(shù),expect可以計算函數(shù)pdf或pmf的期望值。
以上這篇在python中求分布函數(shù)相關(guān)的包實例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腳本之家。
相關(guān)文章
nginx+uwsgi+django環(huán)境搭建的方法步驟
這篇文章主要介紹了nginx+uwsgi+django環(huán)境搭建的方法步驟,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-11-11