python实现泊松分布_Python实现概率分布(二项分布、伯努利分布、泊松分布、几何分布、正态分布等)...
1.二项分布
#导入包
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']
#生成一个数组
X1 = np.arange(0, 2, 1)
X1
p1 = 0.5
pList1 = stats.bernoulli.pmf(X1,p1)
pList1
#plot默认绘制折线
#marker:点的形状,值o表示点为圆圈标记(circle marker)
#linestyle:线条的形状,值None表示不显示连接各个点的折线
plt.plot(X1,pList1,marker='o', linestyle='None')
#vlines用于绘制竖直线(vertical lines),
#参数说明:vline(x坐标值, y坐标最小值, y坐标值最大值)
#我们传入的X是一个数组,是给数组中的每个x坐标值绘制竖直线,
#竖直线y坐标最小值是0,y坐标值最大值是对应pList1中的值
plt.vlines(X1,0,pList1)
plt.xlabel('随机变量:抛1次硬币')
plt.ylabel('概率')
plt.title('伯努利分布: p=%.2f' % p1)
plt.show()
二项分布
n2 = 5
p2 = 0.5
X2 = np.arange(0, n2+1,1)
X2
pList2 = stats.binom.pmf(X2,n2,p2)
pList2
plt.plot(X2,pList2,marker='o',linestyle='None')
plt.vlines(X2,0,pList2)
plt.xlabel('随机变量:抛硬币正面朝上的次数')
plt.ylabel('概率')
plt.title('二项分布: n=%i,p=%.2f' %(n2,p2))
plt.show()
几何分布
几何分布就是在n次伯努利试验中,试验k次才得到第一次成功的机率。
n2 = 5
p2 = 0.5
X2 = np.arange(0,n2+1,1)
X2
pList2 = stats.binom.pmf(X2,n2,p2)
pList2
plt.plot(X2,pList2,marker='o',linestyle='None')
plt.vlines(X2,0,pList2)
plt.xlabel('随机变量:抛硬币正面朝上的次数')
plt.ylabel('概率')
plt.title('二项分布:n=%i,p=%.2f' % (n2,p2))
plt.show()
泊松分布
泊松分布描述的是已知一段时间内事件发生的平均数,求某个时间内发生的概率。
mu4 = 2
k4 = 4
X4 = np.arange(0, k4+1,1)
X4
pList4 = stats.poisson.pmf(X4,mu4)
pList4
print('X4:',X4)
print('pList4', pList4)
plt.plot(X4,pList4,marker='o',linestyle='None')
plt.vlines(X4,0,pList4)
plt.xlabel('某路口发生K次事故')
plt.ylabel('概率')
plt.title('泊松分布:平均值mu=%i' % mu4)
plt.show()
正态分布
mu5 = 0
sigma = 1
X5 = np.arange(-5,5,0.1)
X5
y = stats.norm.pdf(X5,mu5,sigma)
print('X5',X5)
print('y:',y)
plt.plot(X5,y)
plt.xlabel('随机变量:x')
plt.ylabel('概率:y')
plt.title('正态分布:$\mu$=%.1f,$\sigma^2$=%.1f' %(mu5,sigma))
plt.grid()
plt.show()
python实现泊松分布_Python实现概率分布(二项分布、伯努利分布、泊松分布、几何分布、正态分布等)...相关推荐
- python 二项分布_Python之二项分布、泊松分布
点击关注 不迷路 引 言 敲黑板,干货已到达战场!!!在数据分析中,二项分布.泊松分布是我们经常用到的两个分布,今天小编将会先简单介绍二项分布基础:伯努利试验.n重伯努利试验以及两点分布,接着咱们讲解 ...
- python统计一组数据中的概率_Python实现概率分布
一.概率分布 概率分布,是概率论的基本概念之一,主要用以表述随机变量取值的概率规律.为了使用的方便,根据随机变量所属类型的不同,概率分布取不同的表现形式. 概率分布包括离散概率分布和连续概率分布. 离 ...
- 统计学基础——常用的概率分布(二项分布、泊松分布、指数分布、正态分布)
变量类型: 连续型变量 如:指数分布.正态分布 离散型变量 如:二项分布.泊松分布 三者之间的关系 二项分布(Binomial distribution) 二项分布(B ...
- 伯努利分布,二项分布和泊松分布以及最大似然之间的关系(未完成)
首先说伯努利试验 伯努利分布 伯努利试验说的是下面一种事件情况:在生活中,有一些事件的发生只有两种可能,发生或者不发生(或者叫成功或者失败),这些事件都可以被称为伯努利试验. 伯努利试验的概率分布称为 ...
- python 概率分布_python实现概率分布
伯努利分布 from scipy import stats import numpy as np import matplotlib.pyplot as plt x=np.arange(0,2,1) ...
- 概率分布之二项分布、泊松分布
概率分布之二项分布.泊松分布 1.概率分布 概率分布是指事件的不同结果对应的发生概率所构成的分布,可以利用二维坐标进行形象地解释.如下图所示,两幅图的横轴代表的都是事件所有的可能结果,纵轴则是不同结果 ...
- python泊松分布_常见概率分布的Python实现
离散型概率分布 二项分布 二项试验 满足以下条件的试验成为二项试验: 试验由一系列相同的n个试验组成: 每次试验有两种可能的结果,成功或者失败: 每次试验成功的概率是相同的,用p来表示: 试验是相互独 ...
- 【读书笔记->统计学】09-02 将正态分布运用到其他概率分布-用正态分布近似代替二项分布、泊松分布概念简介
用正态分布近似代替二项分布 假设一个情境:有40道题,每一道你都不知道答案,答对概率为1/4.求答对30题及以上的概率. 这个是典型的二项分布,具体介绍见:[读书笔记->统计学]07-02 离散 ...
- python泊松分布公式和期望_概率算法_二项分布和泊松分布
本次函数有 1.阶乘 2.计算组合数C(n,x) 3.二项概率分布 4.泊松分布 以下是历史函数 ---------------以上是旧的------------------------------- ...
- 【程序员眼中的统计学(6)】几何分布、二项分布及泊松分布:坚持离散
几何分布.二项分布及泊松分布:坚持离散 作者 白宁超 2015年8月4日13:08:28 摘要:程序员眼中的统计学系列是作者和团队共同学习笔记的整理.首先提到统计学,很多人认为是经济学或者数学的专利, ...
最新文章
- oracle asm dd命令,ASM来用DD命令模拟数据块损坏
- java中使用什么来做错误处理_JAVA基础--如何通过异常处理错误
- Visual Studio集成Qt环境搭建_详解与测试
- Django 上传附件报The number of GET/POST parameters exceeded settings.DATA_UPLOAD_MAX_NUMBER_FIELDS错误
- 计算机真题11Excel,计算机网考真题EXCELPPT操作题答案(11页)-原创力文档
- Android Studio快捷键-mac版
- 带你学习《深入理解计算机系统》程序性能优化探讨(5)——高速缓存、存储器山与矩阵乘法优化
- Chip-seq分析笔记
- java 服务器程序部署环境搭建
- R Fisher精确检验
- 一位仁兄对于项目管理的精辟见解
- 组态王与施耐德M241建立通讯
- python重写和重载的区别_(C#)重载和重写的区别
- Ubuntu安装flash插件
- ffmpeg学习笔记之创建音频解码器失败 avcodec_open2() 返回值为-22
- 常用linuxm命令
- P2P 之 UDP穿透NAT的原理与实现
- cydia多开微信_微信陌陌多开(N开)并且分开推送及一键隐藏教程
- 听雨小筑---开张纪念
- gulp代码压缩和制作雪碧图
热门文章
- 计算机控制手机源码,Total Control电脑控制手机助手
- 使用pem文件进行ssh登录
- python怎么测试opencv安装是否成功_测试opencv安装成功
- 一周文章导读:fork() 成为负担;网络协议;(CPRI)带宽计算;互联网架构“高并发”;从MCU到FPGA;
- 【机器学习】DBSCAN聚类算法
- 修改antd下拉框样式
- 腾讯云聚合支付平台Restful API,支付开发的又一福音,同时支持微信支付和支付宝
- FPGA实现对数log2和10*log10
- SVN和git的优缺点比较
- android 手机 屏幕镜像,怎样将手机屏幕镜像到电视上(屏幕镜像连接方式)