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))