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
数据挖掘是现代企业利用数据驱动决策的重要工具。它涉及从大量数据中提取隐藏的、先前未知但潜在有用的信息,依托人工智能、机器 ...
2024-10-23在当前数据驱动的商业环境中,数据分析师的角色变得越来越重要。想要踏入这一领域并取得成功,不仅需要扎实的技术基础,还需要不 ...
2024-10-23数据分析是一个广泛而又精细的领域,它结合了统计学、计算机科学、商业策略以及数据科学等多个学科的知识。这个领域日新月异的发 ...
2024-10-23在现代企业中,数字化管理师扮演着至关重要的角色。他们不仅帮助企业优化资源配置,还推动企业的数字化转型。要成为一名合格的数 ...
2024-10-23大数据专业是一个跨学科的领域,涵盖了数学、统计学、计算机科学与技术等多个学科。随着数据在各个行业中的重要性日益增加,大数 ...
2024-10-23大数据分析师培训教程-2.1 Hadoop入门-Hadoop 1.0 的局限与 Hadoop 2.0(YARN)的革新 Hadoop简介Hadoop 的生态系统HDFS 的原理 ...
2024-10-232024,您是否渴望在数据领域探索更广阔的职业机遇? 数字化时代,数据量级每年都在呈指数级增长。据统计,全球互联网用户每天产 ...
2024-10-21数据科学专业是一门跨学科的综合性学科,涵盖了数学、统计学、计算机科学等多个领域。其核心目标是通过数据的收集、处理和分析来 ...
2024-10-21Python是一种高级解释性编程语言,由Guido van Rossum于1991年创造。凭借其简单易学、代码可读性强和功能强大的特点,Python已经 ...
2024-10-21在当今数据驱动的世界中,选择学习Hadoop已成为许多数据分析师和IT专业人士的必修课。Hadoop不仅是大数据处理领域的核心技术之一 ...
2024-10-21数据开发工程师在当今数据驱动的世界中扮演着至关重要的角色。他们不仅负责数据的采集和处理,还在数据仓库建设、系统开发和数据 ...
2024-10-20在当今快速变化的数字经济时代,数字化转型已经成为企业实现持续增长和竞争优势的关键。数字化转型不仅仅是技术的变革,更是组织 ...
2024-10-19在当今快速发展的科技时代,数字经济已成为全球经济的重要组成部分。选择数字经济专业,不仅能为你打开通往多个行业的大门,还能 ...
2024-10-18学习统计学与大数据分析具有显著的优势,能够帮助你走向高薪岗位。在数字化时代背景下,统计学和大数据分析展现出强大的就业潜力 ...
2024-10-18在当今的数字时代,数据科学与大数据技术专业的就业方向极为广泛,涵盖了多个领域和岗位。随着数据成为企业决策的重要依据,行业 ...
2024-10-18大数据技术与应用领域正在迅速发展,成为现代经济和科技发展的重要驱动力。随着数据量的爆炸式增长,各行各业对大数据专业人才的 ...
2024-10-18在当今数据驱动的商业环境中,数据分析软件已成为企业决策过程中不可或缺的工具。随着数据量的激增和分析需求的复杂化,选择合适 ...
2024-10-18在当今数据驱动的世界中,数据分析已成为许多行业不可或缺的一部分。无论是企业决策、市场营销,还是产品开发,数据分析都能提 ...
2024-10-18数据分析在现代企业中扮演着至关重要的角色,帮助企业在竞争激烈的市场中做出明智的决策。随着数据量的不断增长,企业需要依赖先 ...
2024-10-18CDA(Certified Data Analyst)认证在数据分析领域具有显著的作用,具体包括以下几个方面: 1. 专业技能认可 CDA认证是数据分析 ...
2024-10-17