scipy模块

• stats

使用import scipy.stats as st

st.norm.rvs(loc = 0,scale = 0.1,size =10)

loc指分布的期望，scale指分布的标准差，size指定返回array的shape（rvs）

也可以使用numpy模块

np.random.normal(loc=0.0, scale=1.0, size=None)

st.norm.pmf(0,loc = 0,scale = 1)

求期望为0，标准差为1的正态分布中，0值对应的概率密度值（pmf）

也可以使用

y = stats.binom(n=n, p=p).pdf(x)

可以求解多个点的函数值，返回为array

st.norm.cdf(0,loc=3,scale=1)

求期望为3，标准差为1的正态分布中，o值对应的累计概率密度函数值（cdf）

z05 = st.norm.ppf(0.05)

求解下分位点（ppf）

随机变量方法

rvs	产生服从指定分布的随机数
pmf	概率密度函数
cdf	累计分布函数
sf	残存函数（1-CDF）
ppf	分位点函数（CDF的逆）
isf	逆残存函数（sf的逆）
fit	对一组随机取样进行拟合，最大似然估计方法找出最适合取样数据的概率密度函数系数

 

 

 

 

 

 

 

 

分布对照

beta	beta分布
f	F分布
gamma	gam分布
poisson	泊松分布
hypergeom	超几何分布
lognorm	对数正态分布
binom	二项分布
uniform	均匀分布
chi2	卡方分布
cauchy	柯西分布
laplace	拉普拉斯分布
rayleigh	瑞利分布
t	学生T分布
norm	正态分布
expon	指数分布