Python scipy.stats 统计函数库核心用法详解

背景与概述

背景

本文旨在总结Python统计函数库scipy.stats在常见统计工作中的应用范例。

正态分布

以正态分布的常见需求为例，介绍scipy.stats的基本使用方法。

生成指定分布的随机数

1.生成服从指定分布的随机数

使用norm.rvs函数，通过loc和scale参数指定随机变量的偏移量和缩放比例，分别对应正态分布的期望值和标准差。size参数用于设定生成随机数数组的形状。此外，也可使用np.random.normal(loc=0.0, scale=1.0, size=None)实现相同功能。

In [4]: import numpy as np In [5]: import scipy.stats as st In [6]: st.norm.rvs(loc = 0,scale = 0.1,size =10) Out[6]: array([ 0.12259875, 0.07001414, 0.11296181, -0.00630321, -0.04377487, 0.00474487, -0.00728678, 0.03860256, 0.06701367, 0.03797084]) In [7]: In [9]: st.norm.rvs(loc = 3,scale = 10,size=(2,2)) Out[9]: array([[-13.26078265, 0.88411923], [ 5.14734849, 17.94093177]]) In [10]:

计算概率密度与累计分布

2.求概率密度函数指定点的函数值

使用stats.norm.pdf计算正态分布的概率密度函数值。

In [33]: st.norm.pdf(0,loc = 0,scale = 1) Out[33]: 0.3989422804014327 In [34]: st.norm.pdf(np.arange(3),loc = 0,scale = 1) Out[34]: array([ 0.39894228, 0.24197072, 0.05399097]) In [35]:

3.求累计分布函数指定点的函数值

使用stats.norm.cdf计算正态分布的累计分布函数值。

In [52]: st.norm.cdf(0,loc=3,scale=1) Out[52]: 0.0013498980316300933 In [53]: st.norm.cdf(0,0,1) Out[53]: 0.5 In [54]:

累计分布函数的逆运算

4.累计分布函数的逆函数

使用stats.norm.ppf计算正态分布累计分布函数的逆函数，即下分位点。

In [59]: z05 = st.norm.ppf(0.05) In [60]: In [60]: z05 Out[60]: -1.6448536269514729 In [61]: st.norm.cdf(z05) Out[61]: 0.049999999999999975 In [62]:

通用方法与常见分布参考

通用函数

stats模块提供了连续型随机变量的公共方法，具体包括：

*离散分布的简单方法大多数与连续分布很类似，但是pdf被更换为密度函数pmf。

常见分布

可能用到的分布对照表

以上这篇python统计函数库scipy.stats的用法解析就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持本站。