重温二项分布
来源:互联网 发布:qq堂mac版官方下载 编辑:程序博客网 时间:2024/05/20 12:22
实现我们在概率论与数理统计
课上学过的二项(binomial)分布,属于一种离散型随机变量(discrete random variable),其概率质量函数(probability mass function)为:
其
import scipy.stats as stimport numpy as npimport matplotlib.pyplot as pltfig, ax = plt.subplots(1, 1)
计算数字特征
计算其常用矩(或者说是数字特征,比如一阶矩:期望,二阶矩:方差):
>>> n, p = 5, .4>>> mean, var, skew, kurt = st.binom.stats(n, p, moments='mvsk') # 'mvsk': mean, var, skew, kurt>>> meanarray(2.0) # n*p = 5*0.4 = 2.>>> vararray(1.2) # n*p*(1-p)=1.2
或者我们首先创建一个服从二项分布(离散型)的随机变量,通过调用其成员函数的形式进行各种操作(也即是一种面向对象的编程方式):
>>> n, p = 5, .4>>> rv = st.binom(n, p)>>> mean, var, skew, kurt = rv.stats(moments='mvsk')
计算概率质量函数(pmf:probability mass function)
>>> x = np.arange(rv.ppf(0.01), rv.ppf(0.99)) # ppf: percent point function # ppf与cdf互为反函数>>> xarray([ 0., 1., 2., 3., 4.])>>> ax.plot(x, rv.pmf(x), 'bo', ms=8, label='binomial pmf')>>> ax.vlines(x, 0, rv.pmf(x), color='b', lw=5, alpha=.5)>>> ax.legend(loc='best', frameon=False)>>>plt.show()
计算累计密度函数(cdf:cumulative density function)
>>> prob = rv.cdf(x)>>> probarray([ 0.07776, 0.33696, 0.68256, 0.91296, 0.98976])>>> np.allclose(x, rv.ppf(prob))True
0 0
- 重温二项分布
- 二项分布
- 二项分布
- 二项分布
- 二项分布
- 重温
- 求取二项分布
- EXCEL:二项分布
- 二项分布是什么?
- 二项分布与多项分布
- 二项分布和Beta分布
- 二项分布和多项分布
- 二项分布的近似检测
- 二项分布(Python)
- 二项分布与beta分布
- matlab实现二项分布
- PRML 第二章 二项分布
- 二项分布和Beta分布
- oracle内置函数 NVL (expr1, expr2),NVL2 (expr1, expr2, expr3)
- Android布局属性详解
- 面向对象程序设计
- 一个简单的表格制作
- 关于广播的一种写法
- 重温二项分布
- 理解Handler,Looper,MessageQueue,ThreadLocal关系
- virtualbox ubuntu 设置共享文件夹
- hbase的shell小技巧
- 在AlertDialog对话框中弹出软键盘
- Android支付接入:Google In-app-Billing
- iOS多线程编程技术之NSThread、NSOperation、GCD
- 各种时间日期工具类
- Python数据类型:列表、阵列