标签：plt stats 分布 Python 概率分布 API 正态分布 norm
数理统计（二）——Python中的概率分布API
iwehdio的博客园：https://www.cnblogs.com/iwehdio/
数理统计中进行假设检验需要查一些分布的上分位数表。在scipy的stats统计模块中，有关于数理统计中一些概率分布的API，可求得分布的概率分布函数、概率密度函数和上分位数等。选常用的正态分布、t分布、F分布、卡方分布和伽马分布做使用介绍。
导入模块，并说明各个模块对应的分布：
from scipy import stats # 正态分布 stats.norm # t分布 stats.t # F分布 stats.f # 卡方分布 stats.chi2 # 伽马分布 stats.gamma
1、正态分布
正态分布的模块名为stats.norm。在stats模块中，都是对对应分布的模块取方法来实现的，常用的三个方法如下：
| 功能 | 方法 | 表达式 |
| 求概率分布函数 F(x) | .cdf(x;L,S) |  |
| 求概率密度函数 f(x) | .pdf(x;L,S) |  |
| 求置信度为α的上分位数 Z(α) | .isf(α；L,S) |  |
其中x为自变量的值，α为置信度，L和S为分布参数，默认L=0，S=1。
对于正态分布，可以求出其在x=0.5，α=0.05，均值为2，方差为3下的概率分布、概率密度和上分位数。
# 概率分布函数 >>> stats.norm.cdf(0.5,2,3) 0.3085375387259869 # 概率密度函数 >>> stats.norm.pdf(0.5,2,3) 0.11735510892143318 # 上分位数 >>> stats.norm.isf(0.05,2,3) 6.934560880854418
画概率分布曲线、概率密度曲线：
# 概率分布曲线
x=np.linspace(0,8,2000)
y=stats.norm.cdf(x,2,3)
plt.plot(x,y)
plt.title('Norm_F')
# 概率密度曲线
x=np.linspace(-6,10,2000)
y=stats.norm.pdf(x,2,3)
plt.plot(x,y)
plt.title('Norm_f')
正态分布的概率分布曲线：
正态分布的概率密度曲线：
2、其他分布
其他分布的操作与正态分布类似。
①、t分布
# 概率分布函数
x=np.linspace(-5,5,2000)
y=stats.t.cdf(x,5)
plt.plot(x,y)
plt.title('t_F')
# 概率密度函数
x=np.linspace(-5,5,2000)
y=stats.t.pdf(x,5)
plt.plot(x,y)
plt.title('t_f')
②、F分布
# 概率分布函数
x=np.linspace(-1,8,2000)
y=stats.f.cdf(x,5,8)
plt.plot(x,y)
plt.title('f_F')
# 概率密度函数
x=np.linspace(-1,8,2000)
y=stats.f.pdf(x,5,8)
plt.plot(x,y)
plt.title('f_f')
③、卡方分布
④、伽马分布
参考：scipy官方文档：连续统计分布 https://docs.scipy.org/doc/scipy-1.4.0/reference/tutorial/stats/continuous.html
iwehdio的博客园：https://www.cnblogs.com/iwehdio/
标签：plt,stats,分布,Python,概率分布,API,正态分布,norm 来源： https://www.cnblogs.com/iwehdio/p/12079096.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。