1.通用函数
函数名 | 作用 |
---|
pdf | 概率密度函数 |
cdf | 累计分布函数 |
ppf | 分位点函数(CDF的逆) |
rvs | 产生服从指定分布的随机数 |
sf | 残存函数(1-CDF) |
isf | 逆残存函数(sf的逆) |
fit | 对一组随机取样进行拟合,最大似然估计方法找出最适合取样数据的概率密度函数系数。 |
2.分布对照表
函数名 | 对应分布 |
---|
norm | 正态分布 |
poisson | 泊松分布 |
uniform | 均匀分布 |
binom | 二项分布 |
beta | beta分布 |
f | F分布 |
gamma | gam分布 |
hypergeom | 超几何分布 |
lognorm | 对数正态分布 |
chi2 | 卡方分布 |
cauchy | 柯西分布 |
laplace | 拉普拉斯分布 |
rayleigh | 瑞利分布 |
t | 学生T分布 |
expon | 指数分布 |
3.分布函数的使用方法
(这里以正态分布为例,其余分布函数使用方法与此类似)
from scipy import stats
import matplotlib.pyplot as plt
import numpy as np
def diff_normal_dis(miu,sigma):
norm_dis = stats.norm(loc=miu, scale=sigma)
x = np.linspace(norm_dis.ppf(1e-10), norm_dis.ppf(0.99999999), 1000)
fig, ax = plt.subplots(1, 1)
ax.plot(x, norm_dis.pdf(x), 'r-', lw=2, label=r'miu=0, sigma=1')
plt.ylabel('Probability')
plt.title(r'PDF of Normal Distribution')
ax.legend(loc='best', frameon=False)
plt.show()
diff_normal_dis(0,1)
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200426212938304.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NjI1MDgw,size_16,color_FFFFFF,t_70)