常见的统计分布

概率中常见的分布

概率论中的分布有两种类型

1. 离散概率分布：伯努利分布，二项分布，几何分布，泊松分布
2. 连续概率分布: 均匀分布，指数分布，正态分布

离散分布

伯努利分布

伯努利分布又叫两点分布，伯努利试验：伯努利试验是在同样的条件下重复地、各次之间相互独立地进行的一种试验。即只先进行一次伯努利试验，该事件发生的概率为p，不发生的概率为1-p。这是一个最简单的分布，任何一个只有两种结果的随机现象都服从0-1分布。

import scipy.stats as stats
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

X = np.arange(0, 2, 1) #随机变量

p = 0.5 
pList = stats.bernoulli.pmf(X,p)
pList

#绘图
plt.plot(X,pList, marker='o',linestyle='None')
plt.vlines(X,0,pList) #x坐标，y坐标下限，y坐标上限
plt.xlabel('随机变量:抛硬币一次')
plt.ylabel('概率')
plt.title('伯努利分布:p=%.2f' % p)
plt.show()

二项分布

n重伯努利试验，比如抛硬币10次，其中5次为正面的次数

概率函数：
$$f(x)=C_n^x{p}^x(1-p{)}^{n-x}$$
x为成功的次数，p为每次成功的概率

二项分布的期望$E(x)=np$

方差$Var(x)=np(1-p)$

#定义随机变量，抛5次，正面朝上得概率
n = 5
p = 0.5
X = np.arange(0,n+1, 1)

#求对应分布的概率：概率质量函数PMF
#返回一个列表，列表中每个元素表示随机变量中对应值的概率

pList = stats.binom.pmf(X,n,p)
pList

#绘图
plt.plot(X,pList,marker='o',linestyle='None') #m默认是折线图，我们只画点图
plt.vlines(X,0,pList)
plt.xlabel('随机变量:抛硬币正面朝上的次数')
plt.ylabel('概率')
plt.title('二项分布:n=%i,p=%.2f' % (n,p))

几何分布

1.做某件事的次数是固定的，次数用n表示
n次某件事是相互独立的
2.每一件事都有两个可能的结果(成功，或者失败)
3.每一次成功的概率都相等，成功的概率用p表示
4.想知道第k次做某件事情，才取到第一次成功的概率事多少

#定义随机变量
k = 5 #第k做某件事才取得成功的概率
p =0.6 #做某件事成功的概率
X = np.arange(1, k+1, 1)
pList = stats.geom.pmf(X,p)
pList

#绘图
plt.plot(X,pList,marker='o',linestyle='None')
plt.vlines(X,0,pList)
plt.xlabel('随机变量：做某事第K次才成功')
plt.ylabel('概率')
plt.title('几何分布:p=%.2f' %p)
plt.show()

泊松分布

1.事件是独立性的
2.在任意相同的时间范围内，事件发生的概率
3.你想知道某个时间范围内，发生某件事情k次的概率有多大

比如说，你在等车，15分钟平均有10辆车达到，那么你想知道15分钟内有5辆车到达的概率
$$p\left\{\begin{array}{c}X=m\end{array}\right\}=\frac{{\lambda }^m}{m!}{e}^{-\lambda }$$

'''
定义随机变量：
已知某路口发生事故的比率是每天2次，
那么再此处一天内发生k次事故的概率是多少
'''
λ=2 # 平均值：每天发生两次事故
k=4 #次数，现在想知道每天发生4次事故的概率
X = np.arange(0,k+1,1)

pList = stats.poisson.pmf(X,λ)
pList

#绘图
plt.plot(X,pList,marker='o',linestyle='None')
plt.vlines(X,0,pList)
plt.xlabel('随机变量:某路口发生k次事故')
plt.ylabel('概率')
plt.title('泊松分布：平均值λ=%i' %λ)
plt.show()

连续分布

正态分布

在np≥5和n(1-p)≥5的情况下，正态分布是对二项分布的近似

概率密度函数：
$$f(x)=\frac{1}{\sigma \sqrt{2\pi }}{e}^{-\frac{1}{2{\sigma }^2}(x-\mu {)}^2}$$

mu = 0  # 均值
sigma = 1  # 方差

X = np.arange(-5, 5, 0.1)
p_list = stats.norm.pdf(X,mu, sigma)
plt.plot(X, p_list)
plt.xlabel('Random Variable: X, X(Experimental Result) = The height of human')
plt.ylabel('Probability')
plt.title('norm, mu:{}; sigma:{}'.format(mu, sigma))

指数分布

指数分布和泊松分布的关系

泊松分布是一段时间内某件事发生的次数，描述的是每一区间中事件发生的次数

指数分布描述了事件发生的事件间隔长度

比如:装载一辆卡车的平均时间为15分钟，6分钟装载成功的概率是多少？

概率密度函数：
$$f(x)=\frac{1}{\mu }{e}^{-x/\mu }$$

u = 15 #装载一辆车的平均时间为15分钟 
offset = 0 # 偏移量，从offset开始o 



X = np.arange(0, 20, 0.01)
p_list = stats.expon.pdf(X,0,u)  
plt.plot(X, p_list)
plt.xlabel('Random Variable: X, X(Experimental Result) = the interval between two happen things')
plt.ylabel('Probability')
plt.title('norm, u:{}'.format(u))

卡方(${\chi }^2$)分布

n个独立同分布，服从N(0,1)的随机变量的平方和服从自由度为n的${\chi }^2$分布
$${\chi }^2=X_1^2+X_2^2+....+X_n^2\sim {\chi }^2(n)$$

t分布

X~N(0,1),Y~${\chi }^2(n)$则
$$t=\frac{X}{\sqrt{Y/n}}$$
服从自由度为n的t分布，记为t~t(n)

F分布

设X和Y是相互独立的服从${\chi }^2$分布的随机变量，自由度分布为$n_1$和$n_2$,则称随机变量：
$$F=\frac{X/n_1}{Y/n_2}\sim F(n_1,n_2)$$
F称为第一自由度为$n_1$,第二自由度为$n_2$的F分布

抽样分布

抽样分布几个概念

参数：总体的数字特征

中心极限定理：当样本很大时，可以用正态分布近似抽样的均值的分布

#实现一个γ分布，从中抽取100个样本，求其均值
np.random.seed(42)
data=np.random.gamma(1,100,30000)
plt.hist(data)

#每次抽取100个样本，抽取10000次
means_distribution = []
for _ in range(10000):
    sample = np.random.choice(data,100)
    means_distribution.append(sample.mean())
means_distribution = np.array(means_distribution)
plt.hist(means_distribution)