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 ...

scipy.statis统计学的常用Python包

`1，正态分布：`

2，卡方分布：chi2

3，F分布：

4，t分布：

scipy.statis统计学的常用Python包相关推荐

最新文章

热门文章