3.2 概率基础

import numpy as np
from scipy import stats as sts

# 代码3-15
n = 10  # 独立实验次数
p = 0.5  # 每次正面朝上概率
k = np.arange(0,11)  # 总共有0~10次正面朝上的可能
binomial = sts.binom.pmf(k,n,p)
# 0~10次正面朝上分别的概率
print('0~10次正面朝上分别的概率为：\n ',binomial)

0~10次正面朝上分别的概率为：
  [0.00097656 0.00976563 0.04394531 0.1171875  0.20507813 0.24609375
 0.20507813 0.1171875  0.04394531 0.00976563 0.00097656]

print('概率总和为：',sum(binomial))  # 概率和为1

概率总和为： 1.0000000000000009

print('2次正面朝上的概率为：',binomial[2])  # 2次正面朝上的概率

2次正面朝上的概率为： 0.04394531249999999

# 代码3-16
rate = 2  #  λ的值
n = np.arange(0,11)  # 假设总共有0-10次发生事故的可能
poisson = sts.poisson.pmf(n,rate)
# 0~10次发生事故分别的概率
print('0~10次发生事故分别的概率为：\n',poisson)

0~10次发生事故分别的概率为：
 [1.35335283e-01 2.70670566e-01 2.70670566e-01 1.80447044e-01
 9.02235222e-02 3.60894089e-02 1.20298030e-02 3.43708656e-03
 8.59271640e-04 1.90949253e-04 3.81898506e-05]

print('发生4次事故的概率为：',poisson[4])  # 发生4次事故的概率

发生4次事故的概率为： 0.09022352215774178

# 代码3-17
k = 135  # 目标值
a = 120  # 最低值
b = 140  # 最高值
uniform = sts.randint.pmf(k,a,b)
print('飞行135分钟的概率为：',uniform)

飞行135分钟的概率为： 0.05

# 代码3-18
x = np.arange(0,11)  # 假设元件寿命有0-10年11种可能
expon = sts.expon.pdf(x,scale=1/3)
print('0-10年分别的概率为：\n', expon)  # 0-10年分别的概率

0-10年分别的概率为：
 [3.00000000e+00 1.49361205e-01 7.43625653e-03 3.70229412e-04
 1.84326371e-05 9.17706962e-07 4.56899392e-08 2.27476813e-09
 1.13254036e-10 5.63858645e-12 2.80728689e-13]

print('寿命为2年的概率为：', expon [2])  # 寿命为2年的概率

寿命为2年的概率为： 0.0074362565299990755

# 代码3-19
print('降雨量为50mm的概率为：',sts.norm.pdf(50,40,4))

降雨量为50mm的概率为： 0.004382075123392135

# 代码3-20
n = 10   # 独立实验次数
p = 0.5  # 每次正面朝上概率
binomial_mean = sts.binom.mean(n,p)
print('数学期望为：',binomial_mean)  # 数学期望

数学期望为： 5.0

# 代码3-21
rate = 2  # λ的值
poisson_mean = sts.poisson.mean(rate)  
print('数学期望为：',poisson_mean)  # 数学期望

数学期望为： 2.0

# 代码3-22
a = 120  # 最低值
b = 140  # 最高值
uniform_mean = sts.randint.mean(a,b,loc=0.5)
print('数学期望为：',uniform_mean)  # 数学期望

数学期望为： 130.0

# 代码3-23
expon_mean = sts.expon.mean(scale=1/3)
print('数学期望为：',expon_mean)  # 数学期望

数学期望为： 0.3333333333333333

# 代码3-24
print('数学期望为：',sts.norm.mean(40))  # 数学期望

数学期望为： 40.0

# 代码3-25
n = 10  # 独立实验次数
p = 0.5  # 每次正面朝上概率
binomial_var = sts.binom.var(n,p)
print('方差为：',binomial_var)  # 方差

方差为： 2.5

# 代码3-26
rate = 2  # λ的值
poisson_var = sts.poisson.var(rate)  
print('方差为：',poisson_var)  # 方差

方差为： 2.0

# 代码3-27
a = 120  # 最低值
b = 140  # 最高值
uniform_var = sts.randint.var(a,b)
print('方差为：',uniform_var)  # 方差

方差为： 33.25

# 代码3-28
expon_var = sts.expon.var(scale=1/3)
print('方差为：',expon_var)  # 方差

方差为： 0.1111111111111111

# 代码3-29
print('方差为：',sts.norm.var(scale = 4))  # 方差

方差为： 16.0