
文章来源: 数据分析与统计学之美
作者:黄伟呢
目录
1.scipy库中各分布对应的方法
from scipy import stats # 正态分布 stats.norm # 卡方分布 stats.chi2 # t分布 stats.t # F分布 stats.f
2.stats库中各分布的常用方法及其功能
对于正态分布:
stats.norm.cdf(α,均值,方差);
stats.norm.pdf(α,均值,方差);
stats.norm.isf(α,均值,方差);
对于t分布:
stats.t.cdf(α,自由度);
stats.t.pdf(α,自由度);
stats.t.isf(α,自由度);
对于F分布:
stats.f.cdf(α,自由度1.自由度2);
stats.f.pdf(α,自由度1.自由度2);
stats.f.isf(α,自由度1.自由度2);
一个简单的案例说明:
# 对于正态分布 stats.norm.cdf(0.5.2.3) stats.norm.pdf(0.5.2.3) stats.norm.isf(0.05.2.3) # 对于t分布 stats.t.cdf(0.5.10) stats.t.pdf(0.5.10) stats.t.isf(0.0005.45)
结果如下:
3.正态分布的概率密度函数及其图象
1)正态分布的概率密度函数及其图象
x = np.linspace(-5.5.100000) y = stats.norm.pdf(x,0.1) plt.plot(x,y,c="red") plt.title('正态分布的概率密度函数') plt.tight_layout() plt.savefig("正态分布的概率密度函数",dpi=300)
结果如下:
4.卡方分布的概率密度函数及其图象
1)卡方分布的概率密度函数及其图象
2)python绘制卡方分布的概率密度函数图象
x = np.linspace(0.100.100000) color = ["blue","green","darkgrey","darkblue","orange"] for i in range(10.51.10): y=stats.chi2.pdf(x,df=i) plt.plot(x,y,c=color[int((i-10)/10)]) plt.title('卡方分布') plt.tight_layout() plt.savefig(" 布的概率密度函数",dpi=300)
结果如下:
总结:从图中可以看出,随着自由度的增加,卡方分布的概率密度曲线趋于对称。当自由度n -> +∞的时候,卡方分布的极限分布就是正态分布。
5.t分布的概率密度函数及其图象
1)t分布的概率密度函数及其图象
2)python绘制t分布的概率密度函数图象
x = np.linspace(-5.5.100000) y = stats.t.pdf(x_t,2) plt.plot(x,y,c="orange") plt.title('t分布的概率密度函数') plt.tight_layout() plt.savefig("t分布的概率密度函数",dpi=300)
结果如下:
x_norm = np.linspace(-5.5.100000) y_norm = stats.norm.pdf(x_norm,0.1) plt.plot(x_norm,y_norm,c="black") color = ["green","darkblue","orange"] x_t = np.linspace(-5.5.100000) for i in range(1.4.1): y_t = stats.t.pdf(x_t,i) plt.plot(x_t,y_t,c=color[int(i-1)]) plt.title('t分布和正态分布的概率密度函数对比图') plt.tight_layout() plt.savefig("t分布和正态分布的概率密度函数对比图",dpi=300)
结果如下:
总结:从图中可以看出,t分布的概率密度函数和正态分布的概率密度函数都是偶函数(左右对称的)。t分布随着自由度的增加,就越来越接近正态分布,即t分布的极限分布也是正态分布。
6.F分布的概率密度函数及其图象
1)F分布的概率密度函数及其图象
x = np.linspace(-1.8.100000) y1 = stats.f.pdf(x,1.10) y2 = stats.f.pdf(x,5.10) y3 = stats.f.pdf(x,10.10) plt.plot(x,y1) plt.plot(x,y2) plt.plot(x,y3) plt.ylim(0.1) plt.title('F分布的概率密度函数') plt.tight_layout() plt.savefig("F分布的概率密度函数",dpi=300)
结果如下:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师证书考试体系(更新于2025年05月22日)
2025-05-26解码数据基因:从数字敏感度到逻辑思维 每当看到超市货架上商品的排列变化,你是否会联想到背后的销售数据波动?三年前在零售行 ...
2025-05-23在本文中,我们将探讨 AI 为何能够加速数据分析、如何在每个步骤中实现数据分析自动化以及使用哪些工具。 数据分析中的AI是什么 ...
2025-05-20当数据遇见人生:我的第一个分析项目 记得三年前接手第一个数据分析项目时,我面对Excel里密密麻麻的销售数据手足无措。那些跳动 ...
2025-05-20在数字化运营的时代,企业每天都在产生海量数据:用户点击行为、商品销售记录、广告投放反馈…… 这些数据就像散落的拼图,而相 ...
2025-05-19在当今数字化营销时代,小红书作为国内领先的社交电商平台,其销售数据蕴含着巨大的商业价值。通过对小红书销售数据的深入分析, ...
2025-05-16Excel作为最常用的数据分析工具,有没有什么工具可以帮助我们快速地使用excel表格,只要轻松几步甚至输入几项指令就能搞定呢? ...
2025-05-15数据,如同无形的燃料,驱动着现代社会的运转。从全球互联网用户每天产生的2.5亿TB数据,到制造业的传感器、金融交易 ...
2025-05-15大数据是什么_数据分析师培训 其实,现在的大数据指的并不仅仅是海量数据,更准确而言是对大数据分析的方法。传统的数 ...
2025-05-14CDA持证人简介: 万木,CDA L1持证人,某电商中厂BI工程师 ,5年数据经验1年BI内训师,高级数据分析师,拥有丰富的行业经验。 ...
2025-05-13CDA持证人简介: 王明月 ,CDA 数据分析师二级持证人,2年数据产品工作经验,管理学博士在读。 学习入口:https://edu.cda.cn/g ...
2025-05-12CDA持证人简介: 杨贞玺 ,CDA一级持证人,郑州大学情报学硕士研究生,某上市公司数据分析师。 学习入口:https://edu.cda.cn/g ...
2025-05-09CDA持证人简介 程靖 CDA会员大咖,畅销书《小白学产品》作者,13年顶级互联网公司产品经理相关经验,曾在百度、美团、阿里等 ...
2025-05-07相信很多做数据分析的小伙伴,都接到过一些高阶的数据分析需求,实现的过程需要用到一些数据获取,数据清洗转换,建模方法等,这 ...
2025-05-06以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/g ...
2025-04-30CDA持证人简介: 邱立峰 CDA 数据分析师二级持证人,数字化转型专家,数据治理专家,高级数据分析师,拥有丰富的行业经验。 ...
2025-04-29CDA持证人简介: 程靖 CDA会员大咖,畅销书《小白学产品》作者,13年顶级互联网公司产品经理相关经验,曾在百度,美团,阿里等 ...
2025-04-28CDA持证人简介: 居瑜 ,CDA一级持证人国企财务经理,13年财务管理运营经验,在数据分析就业和实践经验方面有着丰富的积累和经 ...
2025-04-27数据分析在当今信息时代发挥着重要作用。单因素方差分析(One-Way ANOVA)是一种关键的统计方法,用于比较三个或更多独立样本组 ...
2025-04-25CDA持证人简介: 居瑜 ,CDA一级持证人国企财务经理,13年财务管理运营经验,在数据分析就业和实践经验方面有着丰富的积累和经 ...
2025-04-25