python连续半圆_Python实现典型离散与连续概率分布-CSDN博客

泊松分布

import numpy as np

import matplotlib.pyplot as plt

from scipy import stats

'''第1步，定义随机变量：1次抛硬币成功指正面朝上记录为1，失败指反面朝上记录为0'''

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

'''第2步，求对应分布的概率:概率质量函数 (PMF)它返回一个列表，列表中每个元素表示随机变量中对应值的概率'''

p = 0.5 # 硬币朝上的概率

pList = stats.bernoulli.pmf(X, p)

'''第3步，绘图plot默认绘制折线，这里我们只绘制点，所以传入下面的参数：marker：点的形状，值o表示点为圆圈标记(circle marker)linestyle：线条的形状，值None表示不显示连接各个点的折线'''

plt.plot(X, pList, marker='o',linestyle='None')

'''vlines用于绘制竖直线(vertical lines),参数说明：vline(x坐标值, y坐标最小值, y坐标值最大值)'''

plt.vlines(X, 0, pList)

plt.xlabel('随机变量：抛硬币1次')

plt.ylabel('概率')

plt.title('伯努利分布：p=%.2f' % p)

plt.show()二项分布

import numpy as np

import matplotlib.pyplot as plt

from scipy import stats

#第1步，定义随机变量：5次抛硬币，正面朝上的次数

n = 5 # 做某件事情的次数

p = 0.5 # 做某件事情成功的概率

X = np.arange(0, n+1,1)

#第2步，#求对应分布的概率:概率质量函数 (PMF)

#它返回一个列表，列表中每个元素表示随机变量中对应值的概率

pList = stats.binom.pmf(X, n, p)

#第3步，绘图

'''

plot默认绘制折线，这里我们只绘制点，所以传入下面的参数：

marker：点的形状，值o表示点为圆圈标记(circle marker)

linestyle：线条的形状，值None表示不显示连接各个点的折线

'''

plt.plot(X, pList, marker='o',linestyle='None')

'''

vlines用于绘制竖直线(vertical lines),

参数说明：vline(x坐标值, y坐标最小值, y坐标值最大值)

我们传入的X是一个数组，是给数组中的每个x坐标值绘制竖直线，

竖直线y坐标最小值是0，y坐标值最大值是对应pList中的值

'''

plt.vlines(X, 0, pList)

plt.xlabel('随机变量：抛硬币正面朝上次数')

plt.ylabel('概率')

plt.title('二项分布：n=%i,p=%.2f' % (n,p))

plt.show()几何分布

import numpy as np

import matplotlib.pyplot as plt

from scipy import stats

'''

第1步，定义随机变量：

首次表白成功的次数，可能是1次，2次，3次等

'''

#第k次做某件事情，才取到第1次成功

#这里我们想知道5次表白成功的概率

k = 5

# 做某件事情成功的概率，这里假设每次表白成功概率都是60%

p = 0.6

X = np.arange(1, k+1,1)

#第2步，#求对应分布的概率:概率质量函数 (PMF)

#它返回一个列表，列表中每个元素表示随机变量中对应值的概率

#分别表示表白第1次才成功的概率，表白第2次才成功的概率，表白第3次才成功的概率，表白第4次才成功的概率，表白第5次才成功的概率

pList = stats.geom.pmf(X,p)

pList

#第3步，绘图

'''

plot默认绘制折线，这里我们只绘制点，所以传入下面的参数：

marker：点的形状，值o表示点为圆圈标记(circle marker)

linestyle：线条的形状，值None表示不显示连接各个点的折线

'''

plt.plot(X, pList, marker='o',linestyle='None')

'''

vlines用于绘制竖直线(vertical lines),

参数说明：vline(x坐标值, y坐标最小值, y坐标值最大值)

我们传入的X是一个数组，是给数组中的每个x坐标值绘制竖直线，

竖直线y坐标最小值是0，y坐标值最大值是对应pList中的值

'''

plt.vlines(X, 0, pList)

plt.xlabel('随机变量：表白第k次才首次成功')

plt.ylabel('概率')

plt.title('几何分布：p=%.2f' % p)

plt.show()泊松分布

import numpy as np

import matplotlib.pyplot as plt

from scipy import stats

#第一步：定义一个随机变量：已知某个路口发生事故的比例是每天2次，那么在此处一天内发生k次事故的概率是多少

mu=2 #平均值：每天发生2次

k=4 #次数，现在想知道此处每天发生4次事故的概率是多少，包含0，1，2，3，4次事故

X=np.arange(0,k+1,1)

#第二步：#求对应分布的概率:概率质量函数 (PMF)

#它返回一个列表，列表中每个元素表示随机变量中对应值的概率分别表示发生0，1，2，3，4次事故的概率

pList=stats.poisson.pmf(X,mu)

#第三步：绘图

'''

plot默认绘制折线，这里我们只绘制点，所以传入下面的参数：

marker：点的形状，值o表示点为圆圈标记(circle marker)

linestyle：线条的形状，值None表示不显示连接各个点的折线

'''

plt.plot(X, pList, marker='o',linestyle='None')

'''

vlines用于绘制竖直线(vertical lines),

参数说明：vline(x坐标值, y坐标最小值, y坐标值最大值)

我们传入的X是一个数组，是给数组中的每个x坐标值绘制竖直线，

竖直线y坐标最小值是0，y坐标值最大值是对应pList中的值

'''

plt.vlines(X,0,pList)

plt.title('泊松分布：平均值mu=%i' % mu)

plt.xlabel('随机变量：某路口发生k次事故')

plt.ylabel('概率')

plt.show()正态分布

import numpy as np

import matplotlib.pyplot as plt

from scipy import stats

'''

第1步，定义随机变量：

'''

mu=0 #平均值

sigma= 1 #标准差

X = np.arange(-5, 5,0.1)

#第2步，概率密度函数(PDF)

y=stats.norm.pdf(X,mu,sigma)

#第3步，绘图

'''

plot默认绘制折线

'''

plt.plot(X, y)

plt.xlabel('随机变量：x')

plt.ylabel('概率：y')

plt.title('正态分布：$\mu$=%.1f,$\sigma^2$=%.1f' % (mu,sigma))

plt.grid()

plt.show()幂律分布

import numpy as np

import matplotlib.pyplot as plt

from scipy import stats

#第1步，定义随机变量：

a=6

X=np.arange(0,1,0.01)

#第2步，概率密度函数(PDF)

pList=stats.powerlaw.pdf(X,a)

#第三步，绘图

plt.plot(X,pList)

plt.title('幂律分布：a=%i' % a)

plt.xlabel('随机变量：x')

plt.ylabel('概率')

plt.show()

如果你想知道这些分布的具体应用，可以看我写的另一篇文章Wvvi：描述统计之概率分布zhuanlan.zhihu.com