Numpy学习第二天——随机抽样

离散型随机变量

二项分布

P = { X = K } = ( n k ) p k ( 1 − p ) n − k P=\{X=K\}=(_n^k)p^k(1-p)^{n-k} P={X=K}=(nk​)pk(1−p)n−k
一次实验只可能有两种结果的概率分布模型。p为一次实验结果一发生的概率，则结果二的概率为1-p，现在做n次实验，则k次为结果一的概率为上述表达式。

【例】野外正在进行9（n=9）口石油勘探井的发掘工作，每一口井能够开发出油的概率是0.1（p=0.1）。请问，最终所有的勘探井都勘探失败的概率？

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

np.random.seed(20201124)
n = 9  # 一次实验的尝试次数
p = 0.1  # 一次实验的成功次数
size = 50000  # 实验次数
x = np.random.binomial(n, p, size)  # size次二项分布实验
print(np.sum(x == 0) / size)
plt.hist(x)  # 画直方图
plt.xlabel("随机变量：成功次数") 
plt.ylabel("样本中出现的次数")
plt.show()  # 画图
s = stats.binom.pmf(range(10), n, p)  # 概率质量函数，即每个离散值的概率
print(np.around(s, 3))

泊松分布

$P(X=k)=\frac{{\lambda }^k}{k!}{e}^{-\lambda },k=0,1,...$
λ为事件发生的平均次数，求发生k次的概率。

【例】假定某航空公司预定票处平均每小时接到42次订票电话，那么10分钟内恰好接到6次电话的概率是多少？

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

np.random.seed(20201124)
lam = 42 / 6  # 每个十分钟内的平均接电话次数
size = 50000
x = np.random.poisson(lam, size)  # 泊松分布函数，lam即λ，表示发生次数的均值，size为实验次数
print(np.sum(x == 6) / size)
plt.hist(x)
plt.xlabel('随机变量：每十分钟接到订票电话的次数')
plt.ylabel('50000个样本中出现的次数')
plt.show()
x = stats.poisson.pmf(6, lam)
print(x)

超几何分布

$p(k,M,n,N)=\frac{{(}_k^n){(}_{N-k}^{M-n})}{{(}_N^M)}$
总体样本大小为M，其中N为符合目标特征的数量，从中取n个样本，其中有k个为目标特征的概率。

【例】一共20只动物里有7只是狗，抽取12只有3只狗的概率（无放回抽样）。

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(20201124)
size = 500000
x = np.random.hypergeometric(ngood=7, nbad=13, nsample=12, size=size)
# ngood + nbad = M，nsample = k，size为实验次数
print(np.sum(x == 3) / size)
plt.hist(x, bins=8)
plt.xlabel('狗的数量')
plt.ylabel('50000个样本中出现的次数')
plt.title('超几何分布', fontsize=20)
plt.show()
x = range(8)
s = stats.hypergeom.pmf(k=x, M=20, n=7, N=12)
print(np.round(s, 3))

连续型随机变量

均匀分布

在区间[a, b)上，概率密度函数为常数，为$\frac{1}{b-a}$

【例】在low到high范围内，创建大小为size的均匀分布的随机数。

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

np.random.seed(20201124)
a = 0  # 区间左端点（闭）
b = 100  # 区间右端点（开）
size = 50000  # 略
x = np.random.uniform(a, b, size=size)  # 均匀分布
print(np.all(x >= 0))
print(np.all(x < 100))
y = (np.sum(x < 50) - np.sum(x < 10)) / size
print(y)  # 0.40144
plt.hist(x, bins=20)
plt.show()
a = stats.uniform.cdf(10, 0, 100)  # 分布在0-10的概率
b = stats.uniform.cdf(50, 0, 100)  # 分布在0-50的概率
print(b - a)  # 0.4

正态分布

$f(x)=\frac{e^{\frac{-x^2}{2}}}{\sqrt{2\pi }}$

【例】根据指定大小产生满足标准正态分布的数组（均值为0，标准差为1）。

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

np.random.seed(20201124)
size = 50000
x = np.random.randn(size)
y1 = (np.sum(x < 1) - np.sum(x < -1)) / size
y2 = (np.sum(x < 2) - np.sum(x < -2)) / size
y3 = (np.sum(x < 3) - np.sum(x < -3)) / size
print(y1)
print(y2)
print(y3)
plt.hist(x, bins=20)
plt.show()
y1 = stats.norm.cdf(1) - stats.norm.cdf(-1)
y2 = stats.norm.cdf(2) - stats.norm.cdf(-2)
y3 = stats.norm.cdf(3) - stats.norm.cdf(-3)
print(y1)
print(y2)
print(y3)

指数分布

$$f(x)=\{\begin{array}{r}\lambda e^{-\lambda x}x>0\\ 0x\le 0\end{array}$$

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

np.random.seed(20201124)
lam = 7
size = 50000
x = np.random.exponential(1 / lam, size)  # 指数分布
y1 = (np.sum(x < 1 / 7)) / size
y2 = (np.sum(x < 2 / 7)) / size
y3 = (np.sum(x < 3 / 7)) / size
print(y1)
print(y2)
print(y3)
plt.hist(x, bins=20)
plt.show()
y1 = stats.expon.cdf(1 / 7, scale=1 / lam)
y2 = stats.expon.cdf(2 / 7, scale=1 / lam)
y3 = stats.expon.cdf(3 / 7, scale=1 / lam)
print(y1)
print(y2)
print(y3)

其它随机函数

随机从序列中获取元素

• numpy.random.choice(a, size=None, replace=True, p=None)
  从序列中获取元素，若a 为整数，元素取值从np.range(a) 中随机获取；若a 为数组，取值从a 数组元素中随机获取。该函数还可以控制生成数组中的元素是否重复replace ，以及选取元素的概率p 。

对数据集进行打乱

• numpy.random.shuffle(x)
  对x 进行重排序，如果x 为多维数组，只沿第 0 轴洗牌，原地操作。

练习

• 创建一个形为5×3的二维数组，以包含5到10之间的随机数。

x = np.random.randint(5, 10, [5, 3])