第四章概率论与数理统计

Jonathan0_0

已于 2022-07-21 17:03:27 修改

阅读量259

点赞数 1

分类专栏：司守奎老师 python数学建模文章标签：大数据数据分析

于 2022-07-16 01:34:07 首次发布

本文链接：https://blog.csdn.net/weixin_56630807/article/details/125811127

版权

本章介绍了如何使用Python解决概率论与数理统计问题，包括随机变量的概率计算、数字特征，以及描述性统计和统计图的绘制。通过scipy.stats模块进行随机变量的概率计算，如二项分布的期望和方差。还探讨了统计基础知识，如样本、总体、频数表和直方图，并使用NumPy和Pandas计算统计量，包括协方差和相关系数。此外，展示了如何绘制直方图。

摘要由CSDN通过智能技术生成

本章主要介绍使用python来解决概率论和数理逻辑相关的问题

4.1 随机变量的概率计算的数字特征

4.1.1随机变量的概率计算

例4.1 例4.1 设 $X\sim N(3,5^2)$ (1）求P{2<X<6}；（2）确定c，使P{-3c<X<2c}=0.6

python的scipy.stats模块是连续型随机变量的公共方法，可以产生随机数，通常是以正态分布作为scipy.stats的基本使用方法。

累积概率密度函数stats.norm.cdf(α,均值,方差)；

from scipy.stats import norm
from scipy.optimize import fsolve

print("p=", norm.cdf(6, 3, 5) - norm.cdf(2, 3, 5))#做差
f = lambda c: norm.cdf(2 * c, 3, 5) - norm.cdf(-3 * c, 3, 5) - 0.6
print("c=", fsolve(f, 0))


from scipy.stats import norm
from numpy import array, linspace, zeros
from pylab import plot, fill_between, show, text, savefig, rc


alpha = array([0.001, 0.005, 0.01, 0.025, 0.05, 0.10])
za = norm.ppf(1 - alpha, 0, 1)
print("上alpha分位数分别为：", za)  # 该方法norm.ppf()采用一个百分比，并针对该百分比出现的值返回标准偏差乘数。
x = linspace(-4, 4, 100)
y = norm.pdf(x, 0, 1)
print(y)
# rc('font', size=16)
# rc('text', usetex=True)
plot(x, y)  # 画标准正态分布曲线
x2 = linspace(za[-1], 4, 100)
y2 = norm.pdf(x2)
y1 = [0] * len(x2)
fill_between(x2, y1, y2, color='r')#  y1,y2对应的点之间填充
plot([-4, 4], [0, 0])#  划水平线
text(1.9, 0.07, "$\\leftarrow\\alpha\$=0.1")#标注
savefig("figure4_2.png", dpi=500)
show()

这里我出了一些问题

RuntimeError: Failed to process string with tex because latex could not be found

对于windows系统的解决办法，下载Latex软件，进行环境配置

对于linux系统
pip install latex
sudo apt-get install dvipng
sudo apt-get install -y texlive texlive-latex-extr