scipy.stats 结构 以及几个常用的概率分布函数

scipy.stats

scipy.stats 是 scipy 专门用于统计的函数库，所有的统计函数都位于子包 scipy.stats 中，可以使用 scipy.info(scipy.stats) 函数获得这些函数的完整列表。该模块包含大量的概率分以及不断增长的统计函数库。每一个单变量的分布都是以下三个类的子类的实例：

类	说明
rv_continuous	用于子类化的通用连续随机变量类
rv_discrete	用于子类化的通用离散随机变量类
rv_histogram	生成由直方图给出的分布

更多参见 scipy.stats

1. uniform

uniform = scipy.stats.uniform(loc=0, scale=1)

均匀分布，属于连续性概率分布函数，默认为 [0, 1] 的均匀分布。使用参数 loc 和 scale 确定均匀分布的范围为 [loc, loc + scale]。

Methods:

methods	description
rvs(loc=0, scale=1, size=1, random_state=None)	Random variates
pdf(x, loc=0, scale=1)	Probability density dunction
cdf(x, loc=0, scale=1)	Cumulative distribution function
ppf(q,loc=0,scale=1)	Percent point function
stats(loc=0, scale=1, moments=‘mv’)	Mean(‘m’), variance(‘v’), skew(‘s’), and/or kurtosis(‘k’)
fit(data)	fit model, get distribution parameters
interval(alpha, loc=0, scale=1)	Endpoints of the range that contains alpha percent of the distribution
median(loc=0, scale=1)	Median of the distribution
mean,var, std	mean, variance , standard deviation

更多查看uniform

2. norm

norm = scipy.stats.norm(loc=0, scale=1)

正态分布，属于连续性概率分布函数， loc 表示均值，scale 表示标准差。其概率密度函数为$$f(x)=\frac{1}{\sqrt{2\pi }\ast scale}\exp \left(-\frac{(x-loc{)}^2}{2\ast scal{e}^2}\right)$$更多查看 norm

3. multivariate_normal

mul_norm = scipy.stats.multivariate_normal(mean=None, cov=1, allow_singular=False, seed=None)

多变量的正态分布，其概率密度函数为$$f(x)=\frac{1}{\sqrt{(2\pi {)}^k\det \Sigma }}\exp \left(-\frac{1}{2}(x-\mu {)}^T{\Sigma }^{-1}(x-\mu )\right)$$更多查看 multivariate_normal

4. poisson

poisson = scipy.stats.poisson(k, mu, loc)

泊松分布，属于离散型概率分布函数， 其概率质量函数为$$f(k)=\frac{{\mu }^k\exp (-\mu )}{k!}...fork\ge 0$$有 poisson.pmf(k, mu, loc) 等效于 poisson.pmf(k - loc, mu)。

poisson.pmf(x) 中的 pmf 是 probability mass function 的意思，相对于连续概率分布中的 probability density function，更多参考 poisson

5. pearsonr

r, p_value = pearsonr(x, y)

pearson 相关性系数， 相关性函数。其计算公式为：
$$r=\frac{\sum (x-m_x)(y-m_y)}{\sqrt{\sum (x-m_x{)}^2\sum (y-m_y{)}^2}}$$

6. spearmanr

r, pvalue = scipy.stats.spearmanr(x,y)

spearmanr 相关性系数，相关性函数