实验一抛硬币试验的模拟

利用python产生一系列0和1的随机数，模拟抛硬币试验。验证抛一枚质地均匀的硬币，正面向上的频率的稳定值为0.5。
实验步骤
（1）生成0和1的随机数序列，将其放入列表count中；也可用函数表示。
（2）统计0和1出现的次数，将其放入a中。a[0],a[1]分别表示0和1出现的次数。
（3）画图展示每次实验正面向上出现的频率

import matplotlib.pyplot as plt
import random
def doss():return random.randint(0,1)#返回随机数 1为下，0为上
indices = []  #抛了多少次
freq = []  #储存朝上的频率
for toss_num in range(10,10001,10):heads = 0  #向上的次数for i in range(toss_num):if doss() == 0:heads+=1freq.append(heads/toss_num)indices.append(toss_num)
plt.plot(indices,freq)
plt.show()

实验二派的估计及其可视化

假设有一个中心在原点的边长为2的正方形，并画出其的内切圆，即圆的半径为1，圆心在原点。向正方形中随机的投点，从而计算圆周率。
使用随机投点法计算圆周率时，只需要统计落在圆内的点和正方形内的点的个数，两者的商为投点落在圆内的频率。再由几何概型，计算投点落在圆内的概率。由将该试验大量重复的进行，根据贝努利大数定律，得到的频率值近似等于概率。根据几何概型有所以，从而计算出圆周率的近似值。

实验步骤：
1）生成两个系列的[-1，1]的随机数。
2）如果点在圆内，把点标为蓝色；否则标绿色。
3）统计蓝色点的个数，计算频率，从而算出圆周率的近似值。

import numpy as np
import matplotlib.pyplot as plt# 画单位圆
theta = np.linspace(0, 2 * np.pi, 200)
x = np.cos(theta)
y = np.sin(theta)
fig, ax = plt.subplots(figsize=(4, 4))
ax.plot(x, y, color="darkred")
plt.xticks([])  # 去掉坐标轴的刻度等
plt.yticks([])  # 去掉坐标轴的刻度等N = 1000
count = 0
for i in range(1, N + 1):x = np.random.uniform(-1, 1)  # 产生服从[-1,1]上的均匀分布的N个随机数y = np.random.uniform(-1, 1)  # 产生服从[-1,1]上的均匀分布的N个随机数if x ** 2 + y ** 2 < 1:count += 1plt.plot(x, y, 'bo')  # 如果点在圆内，画蓝色else:plt.plot(x, y, 'go')  # 不在圆内，画绿色p = count / N
plt.show()
pai = 4 * p
print(pai)

实验三二项分布的应用

有一繁忙的汽车站，每天有大量汽车通过，设每辆车在一天的某时段出事故的概率0.0001，在某天的该时段内有1000辆汽车通过，问出事故的次数不小于2的概率是多少（利用泊松定理）？

1）先使用二项分布的分布函数计算X>1的概率。
2）再使用公式计算X>1的概率
对比两个概率值。
3）使用泊松分布的分布函数计算X>1的概率。
4）使用公式计算X>1的概率。
5）对比使用两个分布计算出来概率值。

import numpy as np
from scipy.stats import binom           #导入binom
from matplotlib import pyplot as plt

# numpy.random.binomial(n,p,size=None)# 3个参数：n表示伯努利试验次数，p表示伯努利试验得到正例的概率，size表示采样次数；返回结果为出现正例的次数k。#cdf(k, n, p) k：分布函数自变量，n，p：分布参数  累积概率函数（分布函数）F ( k )
#sf(k, n, p) k：分布函数自变量，n，p：分布参数  残存函数 1-F（k）prob=binom.sf(k=1, n=1000, p=0.0001)    #计算P(X<=1)
print(prob)

from scipy.stats import poisson #导入poisson
prob1=poisson.sf(k=1, mu=1)   #计算参数为1时概率P(X>1)
print(prob1)

实验四正态分布的计算

设某品牌瓶装矿泉水的标准容量是500毫升，设每瓶容量X(以毫升)是随机变量，X~N(500，25)，求：

(1) 随机抽查一瓶，其容量大于510毫升的概率；
(2) 随机抽查一瓶，其容量与标准容量之差的绝对值在8毫升之内的概率；
(3) 求常数C，使每瓶的容量小于C的概率为0.05。
实验步骤：
（1）用norm.cdf()计算正态分布的分布函数值。normcdf(x,mu,sigma)
其中norm.cdf(x,mu,sigma)分别表示要求分布函数的x的值，mu为期望，sigma为标准差。
（2）使用norm.cdf(510，500，5)计算。
（3），使用norm.cdf(508，500，5)- norm.cdf(5492，500，5)计算。
（4）norm.ppf(alpha,mu,sigma)计算α分位数。

from scipy.stats import norm
prob1=norm.cdf(510,500,5)
print(prob1)

prob2=norm.cdf(508,500,5)- norm.cdf(492,500,5)
print(prob2)

alpha=norm.ppf(0.05,500,5)
print(alpha)

实验五二维连续型分布的相关系数

设随机变量联合密度函数为[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZvXAyQNs-1639205559720)(attachment:image.gif)]，
求X、Y的期望、相关系数。
实验步骤：

（1）设5个函数y1,y2,y3,y4,y5，分别表示!
（2）令y1中的两个变量分别从0到2积分，使用from scipy.integrate import dblquad导入二重积分的包，而计算二重积分的格式为dblquad(y1,0,2,lambda g:0,lambda h:2)，其中前面的0，2表示x的积分限，lambda g:0,lambda h:2表示y的积分限。而且dblquad返回两个值，一个是积分值，另一个是误差，可设两个变量接收结果，后面需要使用时仅用积分值即可。最终得到E(X)。
（3）令y2中的两个变量分别从0到2积分，得到E(Y)。令y3中的两个变量分别从0到2积分，得到E(X2)。令y4中的两个变量分别从0到2积分，得到E(Y2)。令y5中的两个变量分别从0到2积分，得到E(XY)。
（4）使用方差的计算公式，计算D(X)，D(Y)。使用协方差的计算公式，计算协方差。再使用，求出相关系数。

from scipy.integrate import dblquad
import math

Ex, err1 = dblquad(lambda y,x:1/8*x*(x+y),0,2,lambda g:0,lambda h:2)
print(Ex)

Ey, err2 = dblquad(lambda y,x:1/8*y*(x+y),0,2,lambda g:0,lambda h:2)
print(Ey)

Ex2, err3 = dblquad(lambda y,x:1/8*x*x*(x+y),0,2,lambda g:0,lambda h:2)
print(Ex2)

Ey2, err4 = dblquad(lambda y,x:1/8*y*y*(x+y),0,2,lambda g:0,lambda h:2)
print(Ey2)

Exy, err3 = dblquad(lambda y,x:1/8*x*y*(x+y),0,2,lambda g:0,lambda h:2)
print(Exy)

Dx = (Ex2-Ex)**2
print(Dx)

Dy = (Ey2-Ey)**2
print(Dy)

cov = Exy-Ex*Ey
print(cov)

p = cov/math.sqrt(Dx*Dy)
print(p)

本文用到的文章
统计函数库scipy
二重积分求法1
二重积分求法2
常用python模拟分布及其可视化1
常用python模拟分布及其可视化2

【概率论与数理统计】python实验相关推荐

开宝箱-抽装备-求期望（概率论与数理统计 python）
问题描述玩家在游戏中开宝箱有概率获得装备A和B,开一次宝箱需要100游戏币,每次只能获得一个道具,其中获得装备A的概率5%,获得装备B的概率为15%.请问,玩家在放回随机的条件下获得一套A和B,需要 ...
python在概率论与数理统计中的作用
概率论与数理统计一.描述性统计和统计图 1.用Pandas来计算统计量使用 pandas的describe方法计算相关统计量,并计算身高和体重的偏度,峰度,样本的25%,50%,90%分位数数据 ...
使用计算机模拟抛硬币实验动画课件,概率论与数理统计实验2抛硬币实验的随机模拟实验报告...
概率论与数理统计实验2抛硬币实验的随机模拟实验报告 (4页) 本资源提供全文预览,点击全文预览即可全文预览,如果喜欢文档就下载吧,查找使用更方便哦! 14.90 积分 <概率论与数理统计> ...
python实践数学基础——线性代数，概率论与数理统计，基本库的使用（jupyter notebook）
<数据科学基础实践> 这是一个jupyter里python实践各种数学基础的目录,文中链接直通jupyter形式展示的代码文章,仅作为学习记录.(未完待续,内容持续更新中) 一.线性代数 ...
python实现概率论与数理统计_《统计思维：程序员数学之概率统计》读书笔记
更多 1.书籍信息书名:Think Stats: Probability and Statistics for Programmers 译名:<统计思维:程序员数学之概率统计> 作者:A ...
在线阅读！！机器学习数学精华：概率论与数理统计
机器学习,需要一定的数学基础,需要掌握的数学基础知识特别多,如果从头到尾开始学,估计大部分人来不及,我建议先学习最基础的数学知识,基础知识可以分为高等数学.线性代数.概率论与数理统计三部分,我整理了相 ...
20应用统计考研复试要点(part17)--概率论与数理统计
学习笔记,仅供参考,有错必纠茆诗松概率论与数理统计随机事件与概率随机事件及其运算随机现象在一定的条件下,并不总是出现相同结果的现象称为随机现象. 随机现象有两个特点: 结果不止一个: 哪一个 ...
概率论方差公式_概率论与数理统计课程教学、学习基本要求和教学建议
点"考研竞赛数学"↑可每天"涨姿势"哦! 工科类本科数学基础课程教学基本要求概率论与数理统计部分各门课程的内容按教学要求的不同,都分为两个层次.文中用黑体字 ...
【概率论与数理统计】小结8 - 三大抽样分布
注:抽样分布就是统计量的分布,其特点是不包含未知参数且尽可能多的概括了样本信息.除了常见的正态分布之外,还有卡方分布.t分布和F分布为最常见的描述抽样分布的分布函数.这几个分布函数在数理统计中也非常有 ...
概率论与数理统计思维导图_数学思维到底有多重要？这个学科往往影响国家实力...
原标题:<关于加强数学科学研究工作方案>日前发布--数学思维今何在密码学家王晓云日前获得了2019年未来科学大奖数学与计算机科学奖.她提出密码哈希函数的碰撞攻击理论,推动帮助新一代密码哈 ...

【概率论与数理统计】python实验

实验一抛硬币试验的模拟

实验二派的估计及其可视化

实验三二项分布的应用

实验四正态分布的计算

实验五二维连续型分布的相关系数

【概率论与数理统计】python实验相关推荐

最新文章

热门文章

【概率论与数理统计】python实验

实验一抛硬币试验的模拟

实验二 派的估计及其可视化

实验三 二项分布的应用

实验四 正态分布的计算

实验五 二维连续型分布的相关系数

【概率论与数理统计】python实验相关推荐

最新文章

热门文章

实验二派的估计及其可视化

实验三二项分布的应用

实验四正态分布的计算

实验五二维连续型分布的相关系数