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:

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 locscale 确定均匀分布的范围为 [loc, loc + scale]

Methods:

methodsdescription
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, stdmean, 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 ) = 1 2 π ∗ s c a l e exp ⁡ ( − ( x − l o c ) 2 2 ∗ s c a l e 2 ) f(x)=\frac{1}{\sqrt{2\pi}*scale}\exp{\left(-\frac{(x-loc)^2}{2*scale^2} \right)} f(x)=2π scale1exp(2scale2(xloc)2)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 ) = 1 ( 2 π ) k det ⁡ Σ exp ⁡ ( − 1 2 ( x − μ ) T Σ − 1 ( x − μ ) ) f(x)=\frac{1}{\sqrt{(2\pi)^k\det\Sigma}}\exp{\left(-\frac{1}{2}(x-\mu)^T\Sigma^{-1}(x-\mu) \right)} f(x)=(2π)kdetΣ 1exp(21(xμ)TΣ1(xμ))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 ) = μ k exp ⁡ ( − μ ) k !     . . .   f o r    k ≥ 0 f(k)=\frac{\mu^k\exp(-\mu)}{k!}\ \ \ ...\ for \ \ k\ge 0 f(k)=k!μkexp(μ)   ... for  k0poisson.pmf(k, mu, loc) 等效于 poisson.pmf(k - loc, mu)

poisson.pmf(x) 中的 pmfprobability 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 = ∑ ( x − m x ) ( y − m y ) ∑ ( x − m x ) 2 ∑ ( y − m y ) 2 r=\frac{\sum(x-m_x)(y-m_y)}{\sqrt{\sum(x-m_x)^2\sum(y-m_y)^2 }} r=(xmx)2(ymy)2 (xmx)(ymy)

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

spearmanr 相关性系数,相关性函数

  • 7
    点赞
  • 58
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值