Python 数值计算库scipy 统计模块stats用法入门

statis模块概述

模块包括了大量的概率分布，可以根据分为数量分为单变量与单变量。单变量又可根据变量类型分为：连续概率分布和离散概率分布。
具体包括了如下几大类统计方法：

模块名
Continuous distributions	连续概率分布
Multivariate distributions	多变量概率分布
Discrete distributions	离散概率分布
Summary statistics	概括统计
Frequency statistics	频率统计
Correlation functions	相关性分析
Statistical tests	统计测试（假设检验）
Transformations	变换
Statistical distances	距离统计
Contingency table functions	列联表
Plot-tests	图示测试

SciPy官网介绍

连续概率分布

在连续概率分布中存在两个影响分布特性的关键参数:loc, scale。对输出y = (x - loc) / scale
loc: 平移系数； scale: 缩放系数
在stats模块中，连续随机变量通常有如下方法：

方法	功能
rvs(loc=0, scale=1, size=1, random_state=None)	对变量进行随机取值，通过size指定输出数组尺寸
pdf(x, loc=0, scale=1)	概率密度函数
logpdf(x, loc=0, scale=1)	log形式概率密度函数
cdf(x, loc=0, scale=1)	累计概率分布
logcdf(x, loc=0, scale=1)	log形式累计概率分布
sf(x, loc=0, scale=1)	生存函数，等于1-cdf
ppf(q, loc=0, scale=1)	累计概率分布的反函数Percent point function
isf(q, loc=0, scale=1)	生存函数的反函数
stats(loc=0, scale=1, moments=’mv’)	状态统计返回Mean(‘m’), variance(‘v’), skew(‘s’), and/or kurtosis(‘k’).
fit(data)	对一组参数进行拟合，找出估计的概率密度系数
median/mean/var/std(loc=0, scale=1)	中值/均值/方差/标准差/
expect(func, args=(), loc=0, scale=1, lb=None, ub=None, conditional=False, **kwds)	关于分布的其他参数， 比如lb下边界，up上边界

我们以正态分布为例简单说明一下如何调用和使用一个概率分布

正态分布（norm）

简单的函数调用，统计参数输出，采样，拟合

from scipy.stats import norm
import numpy as np
# 生一个均值为1，方差为2的正态分布
distribution