scipy 概率 泊松分布_scipy 常见统计检验与概率分布

常用函数

• rvs：对随机变量进行随机取值
• pdf：随机变量的概率密度函数
• cdf：随机变量的累积分布函数，是概率密度函数的积分，即概率值p
• sf：随机变量的生存函数，等于 1-cdf(t)
• ppf：累积分布函数的反函数
• stat：计算随机变量的期望值和方差
• fit：对一组随机取样进行拟合，找出最适合取样数据的概率密度函数的系数

二项分布

伯努利试验(Bernoulli experiment)是在同样的条件下重复地、相互独立地进行的一种随机试验，其特点是该随机试验只有两种可能结果：发生或者不发生。

在n次独立重复的伯努利试验中，设每次试验中事件A发生的概率为p。用X表示n重伯努利试验中事件A发生的次数，则X的可能取值为0，1，…，n,且对每一个k(0≤k≤n),事件{X=k}即为“n次试验中事件A恰好发生k次”，随机变量X的离散概率分布即为二项分布(Binomial Distribution)。

from scipy.stats import binom
import matplotlib.pyplot as plt


n = 100
p = 0.1
x = range(21)
y = binom.pmf(x, n, p)
plt.plot(x,y)
plt.title('Binomial distribution probability density curve')
plt.show()
print('在 x=13 处的概率质量为：%.2E' % binom.pmf(k=13,n=100,p=0.1))
print('在 x=13 处的  概率  为：%.2E' % binom.cdf(k=13,n=100,p=0.1))