scipy 概率 泊松分布_概率論中常見分布總結以及python的scipy庫使用：兩點分布、二項分布、幾何分布、泊松分布、均勻分布、指數分布、正態分布...

概率分布有兩種類型：離散(discrete)概率分布和連續(continuous)概率分布。

離散概率分布也稱為概率質量函數(probability mass function)。離散概率分布的例子有伯努利分布(Bernoulli distribution)、二項分布(binomial distribution)、泊松分布(Poisson distribution)和幾何分布(geometric distribution)等。

連續概率分布也稱為概率密度函數(probability density function)，它們是具有連續取值(例如一條實線上的值)的函數。正態分布(normal distribution)、指數分布(exponential distribution)和β分布(beta distribution)等都屬於連續概率分布。

1、兩點分布(伯努利分布)

伯努利試驗：

伯努利試驗是在同樣的條件下重復地、各次之間相互獨立地進行的一種試驗。

即只先進行一次伯努利試驗，該事件發生的概率為p，不發生的概率為1-p。這是一個最簡單的分布，任何一個只有兩種結果的隨機現象都服從0-1分布。

最常見的例子為拋硬幣

其中，

期望E = p

方差D = p*(1-p)^2+(1-p)*(0-p)^2 = p*(1-p)

2、二項分布(n重伯努利分布)(X~B(n,p))

即做n個兩點分布的實驗

其中，

E = np

D = np(1-p)

二項分布的應用場景主要是，對於已知次數n，關心發生k次成功。

，即為二項分布公式可求。

對於拋硬幣的問題，做100次實驗，觀察其概率分布函數：

from scipy.stats import binom

import matplotlib as mpl

import matplotlib.pyplot as plt

import numpy as np

## 設置屬性防止中文亂碼

mpl.rcParams['font.sans-serif'] = [u'SimHei']

mpl.rcParams['axes.unicode_minus'] = False

首先導入庫函數以及設置對中文的支持

fig,ax = plt.subplots(1,1)

n = 100

p = 0.5

#平均值, 方差, 偏度, 峰度

mean,var,skew,kurt = binom.stats(n,p,moments='mvsk')

print mean,var,skew,kurt

#ppf:累積分布函數的反函數。q=0.01時，ppf就是p(X

x = np.arange(binom.ppf(0.01, n, p),binom.ppf(0.99, n, p))

ax.plot(x, binom.pmf(x, n, p),'o')

plt.title(u'二項分布概率質量函數')

plt.show()