python簡單實現(xiàn)最大似然估計&scipy庫的使用詳解
python簡單實現(xiàn)最大似然估計
1、scipy庫的安裝
wim+R輸入cmd,然后cd到python的pip路徑,即安裝:pip install scipy即可
2、導(dǎo)入scipy庫
from scipy.sats import norm
導(dǎo)入scipy.sats中的norm
3、案例分析
from scipy.stats import norm import matplotlib.pyplot as plt import numpy as np ''' norm.cdf 返回對應(yīng)的累計分布函數(shù)值 norm.pdf 返回對應(yīng)的概率密度函數(shù)值 norm.rvs 產(chǎn)生指定參數(shù)的隨機變量 norm.fit 返回給定數(shù)據(jù)下,各參數(shù)的最大似然估計(MLE)值 ''' x_norm = norm.rvs(size=200) #在這組數(shù)據(jù)下,正態(tài)分布參數(shù)的最大似然估計值 x_mean, x_std = norm.fit(x_norm) print ('mean, ', x_mean) print ('x_std, ', x_std) plt.hist(x_norm, normed=True, bins=15)#歸一化直方圖(用出現(xiàn)頻率代替次數(shù)),將劃分區(qū)間變?yōu)?20(默認(rèn) 10) x = np.linspace(-3,3,50)#在在(-3,3)之間返回均勻間隔的50個數(shù)字。 plt.plot(x, norm.pdf(x), 'r-') plt.show()
運行如下:
補充知識:python hypergeom.cdf函數(shù)理解
導(dǎo)入函數(shù)
hypergeom.cdf函數(shù)是scipy庫中的。
from scipy.stats import hypergeom
含義
與scipy幫助文檔中的字母定義一致,即用hypergeom.cdf(k,M,n,N)來解釋該函數(shù)的用法。
hypergeom是用于計算超幾何分布的,其中cdf表示的是累計分布函數(shù)。這里用超幾何分布的一般意義來解釋,hypergeom.cdf表示:總共有M件產(chǎn)品,n件次品,從M件中隨機挑出N件,這N件中最多包含n件中的k件的概率(也可以理解為M-n件產(chǎn)品中至少選到N-k件的概率)。
以上這篇python簡單實現(xiàn)最大似然估計&scipy庫的使用詳解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
python 三種方法實現(xiàn)對Excel表格的讀寫
這篇文章主要介紹了python 三種方法實現(xiàn)對Excel表格的讀寫,幫助大家更好的利用python處理表格,感興趣的朋友可以了解下2020-11-11Python連接數(shù)據(jù)庫進行數(shù)據(jù)查詢的操作代碼
這篇文章主要介紹了Python連接數(shù)據(jù)庫進行數(shù)據(jù)查詢的操作代碼,本文給大家介紹的非常詳細(xì),感興趣的朋友跟隨小編一起看看吧2024-06-06Python解析JSON數(shù)據(jù)的基本方法實例代碼
JSON (JavaScript Object Notation) 是一種輕量級的數(shù)據(jù)交換格式,下面這篇文章主要給大家介紹了關(guān)于Python解析JSON數(shù)據(jù)的基本方法,文中通過實例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-01-01