1.通用函数
函数名 |
作用 |
pdf |
概率密度函数 |
cdf |
累计分布函数 |
ppf |
分位点函数(CDF的逆) |
rvs |
产生服从指定分布的随机数 |
sf |
残存函数(1-CDF) |
isf |
逆残存函数(sf的逆) |
fit |
对一组随机取样进行拟合,最大似然估计方法找出最适合取样数据的概率密度函数系数。 |
2.分布对照表
函数名 |
对应分布 |
norm |
正态分布 |
poisson |
泊松分布 |
uniform |
均匀分布 |
binom |
二项分布 |
beta |
beta分布 |
f |
F分布 |
gamma |
gam分布 |
hypergeom |
超几何分布 |
lognorm |
对数正态分布 |
chi2 |
卡方分布 |
cauchy |
柯西分布 |
laplace |
拉普拉斯分布 |
rayleigh |
瑞利分布 |
t |
学生T分布 |
expon |
指数分布 |
3.分布函数的使用方法
(这里以正态分布为例,其余分布函数使用方法与此类似)
from scipy import stats
import matplotlib.pyplot as plt
import numpy as np
def diff_normal_dis(miu,sigma):
norm_dis = stats.norm(loc=miu, scale=sigma)
x = np.linspace(norm_dis.ppf(1e-10), norm_dis.ppf(0.99999999), 1000)
fig, ax = plt.subplots(1, 1)
ax.plot(x, norm_dis.pdf(x), 'r-', lw=2, label=r'miu=0, sigma=1')
plt.ylabel('Probability')
plt.title(r'PDF of Normal Distribution')
ax.legend(loc='best', frameon=False)
plt.show()
diff_normal_dis(0,1)