Python实现伯努利试验与二项分布模拟详解
发布时间：2026-10-13 |
2人浏览过
本文介绍如何使用Python中的scipy.stats和NumPy库模拟伯努利试验与二项分布。通过生成冻结分布函数，模拟27次硬币投掷结果，并绘制不同概率和试验次数下的二项分布概率质量函数图，帮助读者理解概率统计在编程中的实际应用。
伯努利试验模拟
首先进行伯努利试验的模拟，设定投掷硬币的次数为27次。
具体实现代码如下：
伯努利试验代码实现
from scipy import stats
import numpy as np
p = 0.5
# 生成冻结分布函数
bernoulliDist = stats.bernoulli(p)
# 模拟 27 次伯努利实验
trails = bernoulliDist.rvs(27)
# 查看结果
trails
二项分布模拟
接下来模拟二项分布的情况。
相关代码实现如下：
二项分布代码实现
import numpy as np
from scipy import stats
import matplotlib.pyplot as plt
Ps = [0.5, 0.6, 0.7]
Ns = [20, 20, 20]
colors = ['blue', 'green', 'red']
# 模拟试验绘制图形
for p,n, c in zip(Ps, Ns, colors):
binomDist = stats.binom(n, p)
P_k = binomDist.pmf(np.arange(n + 1))
label='p={},n={}'.format(p, n)
plt.plot(P_k, '--',marker='o', label=label, ms=5)
plt.xlabel('X')
plt.ylabel('P(X)')
plt.legend()
plt.show()模拟结果展示
运行上述代码后得到的结果如下所示。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
