python - 统计学实战

二项分布：

# 某个商场有1000次人流，对店铺感兴趣的概率为1/50，利用二项分布生成有多少个人次对店铺感兴趣：

nums = int(np.random.binomial(1000, 1/50, 1)[0])

柏松分布：

"""
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
"""
lam = 42 / 6  # 一小时42次，那么每10分钟接到42/6次电话 单位时间内平均次数
size = 50000  # 进行50000次实验
print(np.random.poisson(lam,1)) # [10]  # 进行一次实验，结果是10分钟内接到了10次电话
x = np.random.poisson(lam, size)  # 进行50000次实验
print(x)  # [11 7 7... 6 2 13] # 结果是随机的,每次实验的结果都不一定一样，
print(np.sum(x == 6) / size)  # 0.1467  # 50000次实验中，10分钟内接到6次电话的结果次数 / 总实验数

正太分布：

#均值为1000， 标准差为250的正太分布生成数据。
visits = int(norm.rvs(size=1,loc=1000,scale=250)[0])

中心极限定理：

多次实验，每次实验多个样本是均值1，多个实验的均值的均值围绕真实的均值呈正太分布。

蒙特卡洛模拟：

利用xx分布生成多项数据，再类似于ecdf进行累计分布函数计算。

蒙特卡罗搜索：

给定目标和反馈，进行最优解求解。
【最佳实战】蒙特卡洛树搜索算法 - 知乎

蚁群算法：寻找最优路径。

蚁群算法（Ant Colony Optimization） - 知乎

Geatpy:

Python(Genetic Algorithm)之Geatpy - 知乎

线性规划与整数规划：

Python小白的数学建模课-04.整数规划 - 知乎

hyperopt: 贝叶斯最佳参数搜索

一种超参数优化技术-Hyperopt - 知乎