scipy.stats —— 概率、随机变量与分布

import numpy as np
import scipy.stats as st

• 1
• 2

• 几率（odds）

  p(B)=120：二十场比赛只赢一场
  odds against B winning: o(B)=1−p(B)p(B)=19：
  A赢19场比赛，B才会赢一场

1. 创建随机变量（rv：random variable）

• 泊松分布：

  F_true = 1000
  N = 50
  F = st.poisson(F_true).rvs(N)
                  # 泊松分布为离散型概率分布

  • 1
  • 2
  • 3
  • 4

  也可以这样：

  mu_true, sigma_true = 1000, 15
  N = 100
  F_true = st.norm(mu_true, sigma_true).rvs(N)
  F = st.poisson(F_true).rvs()

  • 1
  • 2
  • 3
  • 4

• 二项分布

  
  # python
  
  >>> import scipy.stats as st
  >>> n, p = 100, .5
  >>> X = st.binom(n, p)
                          # 随机变量X：投100次硬币正面出现的个数
                          # 用二项分布表示
  >>> X.mean()
  50.0                        # mu = n*p = 100*.5 
  >>> X.std()
  5.0                         # sigma = sqrt(n*p*q)=sqrt(100*.5*.5)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12

  st.binom(100, .5).rvs() ⇒ 采样（trial）；

2. 连续性概率分布函数：pdf

pdf 表示的是函数，给一定输入值，就会得到一个输出值，而不是随机变量。

• st.norm.pdf(0, loc=0, scale=1) ⇒ 12π√

  如下代码绘制出 f(x)=12π√exp(−(x−1)22)

  mu, sigma = 1, 1
  xs = np.linspace(-5, 5, 1000)
  plt.plot(x, st.norm.pdf(xs, loc=mu, scale=sigma))
  plt.show()

  • 1
  • 2
  • 3
  • 4

• st.multivariate_normal：多元正态分布；
  scipy.stats.multivariate_normal

  • 直接传递x，根据概率密度函数（pdf）获得其值；

  x = np.linspace(0, 5, 10, endpoint=False)
  y = st.multivariate_normal.pdf(x, mean=2.5, cov=.5)

  • 1
  • 2
  • 首先定义随机变量，再取得 pdf 在各个位置上的值；

  x, y = np.mgrid[-1:1:.01, -1:1:.01]
  pos = np.empty(x.shape + (2,))
  pos[:, :, 0] = x; pos[:, :, 1] = y
  rv = multivariate_normal([0, 0], [[1, 0], [0, 1]])
  plt.contourf(x, y, rv.pdf(pos))

http://blog.csdn.net/lanchunhui/article/details/50357280