关于正太分布的
import scipy.stats as st
'''
正太分布函数norm()
'''
st.norm() #默认参数是0 :均值,1:方差
st.norm(3,1) #均值为3,方差为1
#求某个数概率密度pdf probability density function(pdf)下面求标准正太分布的概率密度
norm(0,1).pdf(x) # 也可以这么写 st.norm.pdf(x,0,1)
#给出来一个正太分布,累积到某一个数值的概率,cumulation density function(cdf)
st.norm.cdf(0) # 标准正太分布从-∞到0的累加概率密度,为0.5
st.norm(3,1).cdf(5) #均值3,方差1的分布 从 负无穷 到5 的概率
st.norm.cdf(3,3,1) 和上一行一样的功能,不能的写法
#(3) 均值为 3, 标准差为 1, 累计概率为 0.5 的反函数值 是前面cdf的反函数
st.norm.ppf(0.5,3,1)
#
x = np.linspace(norm.ppf(0.01, loc, scale), norm.ppf(0.99, loc, scale), 100)
给出数据求正太分布的函数密度
sig = math.sqrt(0.2)
x = np.linspace(u - 3 * sig, u + 3 * sig, 50)
y_sig = np.exp(-(x - u) ** 2 / (2 * sig ** 2)) / (math.sqrt(2 * math.pi) * sig)
plt.plot(x, y_sig, "r-", linewidth=2)
plt.grid(True)
plt.show()
给出一组数据求数据的均值和方差标准差
import numpy as np
arr = [1,2,3,4,5,6]
#求均值
arr_mean = np.mean(arr)
#求方差
arr_var = np.var(arr)
#求标准差
arr_std = np.std(arr,ddof=1)
print("平均值为:%f" % arr_mean)
print("方差为:%f" % arr_var)
print("标准差为:%f" % arr_std)