python指定概率随机_统计概率相关笔记

一、事件的概率

在相同条件下随机试验n次，某事件A出现m次（m<=n），则比值m/n称为事件A发生的频率。随着n的增大，该频率围绕某一常数p上下波动，且波动的幅度逐渐减小，趋于稳定，这个频率的稳定值即为该事件的概率，记为：

P(A)= m/n = p

概率运算法则：

二、随机变量

随机变量是随机事件结果的数量化表示。例如，抛一枚硬币可能出现正面指定为0，可能出现的反面指定为1。

随机变量分为两类：离散型（discrete）随机变量和连续型（continuous）随机变量。

2.1 离散型随机变量

2.2 连续型随机变量

2.3 期望的性质

1、设X是随机变量，C是常数，则E(CX) = CE(X)。
2、设X，Y是任意两个随机变量，则有E(X+Y) = E(X)+E(Y)。
3、设X，Y是相互独立的随机变量，则有E(XY)= E(X)E(Y)。
4、设C为常数，则E（C）=C

2.4 方差的性质

1、设C是常数，则D(C) = 0
2、设X是随机变量，C是常数，则有

3、设 X 与 Y 是两个随机变量，则

特别的，当X，Y是两个不相关的随机变量则

2.5 其他重要公式

三、离散型随机变量常见概率分布

3.1 伯努利分布

伯努利分布(Bernoulli distribution)又名0-1分布，是单次伯努利试验结果的离散概率分布，研究的是“是或否”问题。伯努利试验是只有两种可能结果的单次随机试验。

python示例：

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


'''1、定义随机变量X
抛一次硬币正面向上为1，反面向上为0'''

X = np.arange(0,2,1)
X

'''2、概率质量函数PMF'''

p=