Task03：常见分布与假设检验

最新推荐文章于 2021-07-15 13:34:39 发布

彩虹糖66

最新推荐文章于 2021-07-15 13:34:39 发布

阅读量315

点赞数

文章标签：统计学

本文链接：https://blog.csdn.net/lxy09306jy/article/details/106988457

版权

这篇博客介绍了随机变量的类型，包括离散型和连续型，并详细阐述了常见的概率分布，如二项分布、正态分布等。同时，重点讲解了假设检验的过程，包括步骤和两类错误的概念，强调了选择合适统计量的重要性。

摘要由CSDN通过智能技术生成

常见分布与假设检验

随机变量

离散型随机变量和连续型随机变量

常见分布

离散型分布：二项分布、泊松分布、几何分布、负二巷分布、超几何分布
连续型分布：均匀分布、正态分布、指数分布

import numpy as np
#生成大小为1000的符合b(10,0.5)二项分布的样本集
s=np.random.binomial(n=10,p=0.5,size=1000)
#生成大小为1000的符合P(1)泊松分布的样本集
s=np.random.poisson(lam=1,size=1000)
#生成大小为1000的符合U(0,1)均匀分布的样本集，注意在此方法中边界值为左闭右开
s=np.random.uniform(low=0,high=1,size=1000)
#生成大小为1000的符合N(0,1)正态分布的样本集，可以用normal函数自定义均值，标准差，也可以直接用standard_normal函数
s=np.random.normal(loc=0,scale=1,size=1000)
s=np.random.standard_normal(size=1000)
#生成大小为1000的符合E(1/2)指数分布的