python统计一组数据中的概率_Python实现概率分布

一、概率分布

概率分布，是概率论的基本概念之一，主要用以表述随机变量取值的概率规律。为了使用的方便，根据随机变量所属类型的不同，概率分布取不同的表现形式。

概率分布包括离散概率分布和连续概率分布。

离散数据：数据由一个个单独的数值组成，其中的每一个数值都有相应概率。

连续数据：数据涵盖的是一个范围，这个范围内的任何一个数值都有可能成为事件的结果。

离散概率分布包括：伯努利分布、二项分布、几何分布、泊松分布

连续概率分布包括：正态分布、幂律分布

二、安装python的科学计算包scipy

在python的科学计算包scipy的stats模块计算出常见概率分布的概率值，并用matplotlib包进行绘图。

在notebook环境下安装科学计算包scipy。如果已安装忽略下面安装步骤。

安装步骤：

1)打开终端Anaconda Prompt

2)在conda中运行以下命令：conda install scipy

如果存在多个python环境，先进入想要的环境再安装，比如我自己设置了py2和py3两个环境，先在conda中进入python环境：activate py3，再按上面步骤2执行

如果还没有安装numpy包和matplotlib包，也按上述命令安装这些包

三、概率分布

1. 离散概率分布：伯努利分布（Bernoulli Distribution）

伯努利分布亦称“零一分布”、“两点分布”，即事件的结果只有两个值，且事件之间相互独立，例如抛一次硬币就为一次伯努利试验，结果要么为正面要么为反面，因此它符合伯努利分布。伯努利试验只做一次。

伯努利试验的特点是：

（1）每次试验中事件只有两种结果：事件发生或者不发生，如硬币正面或反面，患病或没患病；

（2）每次试验中事件发生的概率是相同的，注意不一定是0.5；

（3）n次试验的事件相互之间独立。

公式为：

期望与方差：

案例：玩抛硬币的游戏，只抛1次硬币，成功抛出正面朝上记录为1，反面朝上即抛硬币失败记录为0

思路：

Python代码实现：

导入包并求出对应概率：

绘制伯努利分布：

2. 离散概率分布：二项分布（Binomial Distribution）

二项分布就是重复n次独立的伯努利试验。在每次试验中只有两种可能的结果，而且事件相互独立，事件发生与否的概率在每一次独立试验中都保持不变。当试验次数为1时，二项分布服从0-1分布。它计算的结果是做n次试验发生某个结果的概率，例如：抛一次硬币正面朝上的概率，抛两次正面朝上，抛n次正面朝上的概率。

二项分布的特点是：

（1）是在进行一系列独立试验；

（2）每一次都存在成功或失败的可能，每一次试验的成功概率相同；

（3）试验次数有限。

如果事件发生的概率是P,则不发生的概率q=1-p，n表