数据分析之随机数模块

随机数模块(random)

生成服从特定统计规律的随机数序列。

二项分布（binomial）

二项分布就是重复n次独立事件的伯努利试验。在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，事件发生与否的概率在每一次独立试验中都保持不变。

# 产生size个随机数，每个随机数来自n次尝试中的成功次数，其中每次尝试成功的概率为p。
np.random.binomial(n, p, size)

二项分布可以用于求如下场景的概率的近似值：

1. 某人投篮命中率为0.3，投10次，进5个球的概率。

sum(np.random.binomial(10, 0.3, 200000) == 5) / 200000

1. 某人打客服电话，客服接通率是0.6，一共打了3次，都没人接的概率。

sum(np.random.binomial(3, 0.6, 200000) == 0) / 200000

超几何分布(hypergeometric)

import numpy as np
# 产生size个随机数，每个随机数t为在总样本中随机抽取nsample个样本后好样本的个数，总样本由ngood个好样本和nbad个坏样本组成
np.random.hypergeometric(ngood, nbad, nsample, size)


a = np.random.hypergeometric(5, 5, 2, 10)
print(a)
print(np.random.hypergeometric(5, 5, 2, 10))
print(np.random.hypergeometric(5, 5, 2, 10))
print(np.random.hypergeometric(5, 5, 2, 10))
print(np.random.hypergeometric(5, 5, 2, 10))

正态分布(normal)

import numpy as np


# 产生size个随机数，服从标准正态(期望=0, 标准差=1)分布。
np.random.normal(size)
# 产生size个随机数，服从正态分布(期望=1, 标准差=10)。
np.random.normal(loc=1, scale=10, size)

b = np.random.normal(size=5)
print(b)
print(b)
print(np.random.normal(5))
print(np.random.normal(5))

c = np.random.normal(loc=1, scale=10, size=10)
print(c)
print(c)
print(np.random.normal(loc=1, scale=10, size=10))
print(np.random.normal(loc=1, scale=10, size=10))

$$标准正态分布概率密度:\frac{e^{-\frac{x^2}{2}}}{\sqrt{2\pi }}$$