scipy.statis统计学的常用Python包
四个常用分布的概率密度函数、分布函数、期望、分位数、以及期望方差标准差中位数原点矩:
1,正态分布:
[python] view plain copy
- <code class="language-python">from scipy.stats import norm</code>
(1)概率密度函数:
norm.pdf(x, mu, sigma) # 返回N(mu,sigma^2)的概率密度函数在 x 处的值
(2)概率分布函数:
norm.cdf(x, mu, sigma) # 返回N(mu,sigma^2)的概率密度函数在 负无穷 到 x 上的积分,也就是概率分布函数的值
norm.sf(x, mu, sigma) # 返回 1 - norm.cdf(x, mu, sigma^2)
(3)数学期望:
norm.expect( func = f, loc = mu, scale = sigma ) # 返回f(x)的期望,注意这里的loc和scale
(4)分位数:
norm.isf(1-alpha, mu, sigma) # 返回值s满足:norm.cdf(s, mu, sigma^2) = alpha,s就是alpha分位数
norm.ppf(alpha, mu, sigma) # 返回值s满足:norm.cdf(s, mu, sigma^2) = alpha,s就是alpha分位数
(5)最大似然估计:
norm.fit(a) # 假定数组a来自正态分布,返回mu和sigma的最大似然估计。感觉结果不咋地。。
(6)分布的数量关系:
norm.mean(mu,sigma) # N(mu,sigma^2) 的均值
norm.var(mu,sigma) # N(mu,sigma^2) 的方差
norm.std(mu,sigma) # N(mu,sigma^2) 的方差再开平方根
norm.median(mu,sigma) # N(mu,sigma^2) 的中位数
norm.moment(a,mu,sigma) # N(mu,sigma^2) 的 a 阶原点矩
(7)产生满足正态分布的随机数:
norm.rvs(loc = mu,scale = sigma, size = N) # 产生N个服从N(mu,sigma^2)的随机数
2,卡方分布:chi2
from scipy.stats import chi2
(1)概率密度函数:
chi2.pdf(x, n) # 返回\chi^2(n)的概率密度函数在 x 处的值
(2)概率分布函数:
chi2.cdf(x, n) # 返回\chi^2(n)的概率密度函数在 0 到 x 上的积分,也就是概率分布函数的值
chi2.sf(x, n) # 返回 1 - chi2.cdf(x, n)
(3)数学期望:
chi2.expect( func = f , args=(n,) ) # 返回f(x)的期望
(4)分位数:
chi2.isf(1-alpha, n) # 返回值s满足:chi2.cdf(s, n) = alpha, s就是alpha分位数
chi2.ppf(alpha, n) # 返回值s满足:chi2.cdf(s, n) = alpha, s就是alpha分位数
(5)分布的数量关系:
chi2.mean(n) # \chi^2(n) 的均值
chi2.var(n) # \chi^2(n) 的方差
chi2.std(n) # \chi^2(n) 的方差再开平方根
chi2.median(n) # \chi^2(n) 的中位数
chi2.moment(a,n) # \chi^2(n) 的 a 阶原点矩
3,F分布:
from scipy.stats import f
(1)概率密度函数:
f.pdf(x, m, n) # 返回F(m,n)的概率密度函数在x处的值
(2)概率分布函数:
f.cdf(x, m, n) # 返回F(m,n)的概率密度函数在0到x上的积分,也就是概率分布函数的值
chi2.sf(x, n) # 返回 1 - f.cdf(x, m, n)
(3)数学期望:
f.expect( func = g , args=(m, n) ) # 返回g(x)的数学期望
(4)分位数:
f.isf(1-alpha, m, n) # 返回值s满足:chi2.cdf(s, n) = alpha, s就是alpha分位数
f.ppf(alpha, m, n) # 返回值s满足:chi2.cdf(s, n) = alpha, s就是alpha分位数
(5)分布的数量关系:
f.mean(m, n) # F(m,n) 的均值
f.var(m, n) # F(m,n) 的方差
f.std(m, n) # F(m,n) 的方差再开平方根
f.median(m, n) # F(m,n) 的中位数
f.moment(a, m, n) # F(m,n) 的 a 阶原点矩
4,t分布:
from scipy.stats import t
(1)概率密度函数:
t.pdf(x, n) # 返回t(n)的概率密度函数在x处的值
(2)概率分布函数:
t.cdf(x, n) # 返回t(n)的概率密度函数在负无穷到x上的积分,也就是概率分布函数的值
t.sf(x, n) # 返回 1 - t.cdf(x, n)
(3)数学期望:
t.expect( func = f , args=(n,) ) # 返回f(x)的期望
(4)分位数:
t.isf(1-alpha, n) # 返回值s满足:t.cdf(s, n) = alpha, s就是alpha分位数
t.ppf(alpha, n) # 返回值s满足:t.cdf(s, n) = alpha, s就是alpha分位数
(5)分布的数量关系:
t.mean(n) # t(n) 的均值
t.var(n) # t(n) 的方差
t.std(n) # t(n) 的方差再开平方根
t.median(n) # t(n) 的中位数
t.moment(a,n) # t(n) 的 a 阶原点矩
scipy.statis统计学的常用Python包相关推荐
- Python——常用Python包的学习笔记
1 致谢 感谢陈助教的帮助! 2 前言 今天想通过画图展现一下学习参考值的变化情况,在网上看了一下,需要使用plt包,不过又忘了plt是做什么用的了,于是想要记录一下,写一下关于常用Python包的笔 ...
- Python常用扩展包
一. Python常用扩展包 参考张良均的<Python数据分析与挖掘实战>,下图展示了常见的Python扩展包. 常用的包主要包括: 1.Numpy ...
- centos7 python3安装numpy_centos 7 下安装numpy、scipy等python包
本文适用于刚入门的小白,欢迎大牛们批评指正. 因为要开始数据分析,而python又不像R和matlab那么简洁.需要安装的包很多~ 网上找了好多牛人博客,想在centos7下安装numpy,scipy ...
- python常用包数据分析_数据分析领域常用的五个Python包
Numpy Numpy提供了两种基本的对象:ndarray和ufunc.ndarray是存储单一数据类型的多维数组,而ufunc是能够对数组进行处理的函数.Numpy的功能: N维数组,一种快速.高效 ...
- 数据分析常用的python包_量化投资数据分析之常用的python包(附代码)
小伙伴们都知道python功能强大,在金融量化分析中运用广泛,python常用的数据分析包很多,下面先给大家简单列举一些(如果您刚开始学python觉得这东西很烦看不懂,那么请不要担心,直接忽视跳到第 ...
- 量化投资数据分析之常用的python包(附代码)
小伙伴们都知道python功能强大,在金融量化分析中运用广泛,python常用的数据分析包很多,下面先给大家简单列举一些(如果您刚开始学python觉得这东西很烦看不懂,那么请不要担心,直接忽视跳到第 ...
- 常用python组件包
基于python3.6安装的组件包列表 $ pip list Package Version ---------------------- ------------- aniso8601 2.0.0 ...
- python用于统计学_R 和 Python (numpy scipy pandas) 用于统计学分析,哪个更好?
用R做过Python擅长的,也用Python做过R擅长的.有一天,打开官网,看到两句话,豁然开朗. R:R is a free software environment for statistical ...
- TensorFlow常用Python扩展包
TensorFlow常用Python扩展包 TensorFlow 能够实现大部分神经网络的功能.但是,这还是不够的.对于预处理任务.序列化甚至绘图任务,还需要更多的 Python 包. 下面列出了一些 ...
最新文章
- array用法 numpy_NumPy总结(基础用法)
- ​2022年应用人工智能会是什么样子?
- ExpressJs server中Router的设置
- RemoteApp连接时所需要的证书
- 30分钟3300%性能提升—python+memcached网页优化小记
- 线程id 获取线程名称_016 线程及初步网络编程
- Python 两大环境管理神器:pyenv 和 virtualenv
- ****** 三十三 ******、软设笔记【存储器系统】-主存储器、辅存储器
- [有限元]利用虚位移和虚力的定义、对称性推导弹性力学公式
- Intel 64/x86_64/IA-32/x86处理器 - SIMD指令集 - SSE扩展(5) - 算术指令
- js实现上传文件实时显示缩略图
- css3中transform中的translate(),scale(),skew(),一个参数时的情况
- 航信3.0开票模拟系统
- 惠普m132nw清零方法_惠普HP打印机墨盒清零方法
- 信息收集之网站镜像克隆
- GPS从入门到放弃(二十二) --- 站点位移
- stm32(十八)TFT-LCD
- Leetcode 312 打气球 Burst Balloons C++ 史上最详细题解系列
- 【STM32CubeMx你不知道的那些事】第十章:STM32CubeMx的SPI外置FLASH(W25Q128)+文件系统(FATFS)+虚拟U盘
- 05笔趣阁小说爬取--爬取作者所有小说
热门文章
- 实验室设备测量超低偏置电流的实用技巧
- ZBrush中常用3D笔触效果
- 19 「沉淀」,20「继续沉淀」
- OSChina 周日乱弹 ——程序员在家的地位
- android emulator ps4,PS4 Simulator模拟器
- 学生成绩管理系统(简单版)
- Python:实现first come first served先到先得算法(附完整源码)
- 三星android5.0 蓝牙,蓝牙5.0手机有哪些 蓝牙5.0和4.2的区别是什么【区别介绍】
- 用python庆祝生日_雷吉娜用搞笑的歌曲庆祝自己50岁的生日:“今天一个婊子老了”...
- django实现腾讯云短信sdk和redis缓存服务,手机号验证码登录,未注册直接注册登录