python統(tǒng)計函數(shù)庫scipy.stats的用法解析

更新時間：2020年02月25日 15:01:21 作者：潛水的飛魚baby

今天小編就為大家分享一篇python統(tǒng)計函數(shù)庫scipy.stats的用法解析，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

背景

總結(jié)統(tǒng)計工作中幾個常用用法在python統(tǒng)計函數(shù)庫scipy.stats的使用范例。

正態(tài)分布

以正態(tài)分布的常見需求為例了解scipy.stats的基本使用方法。

1.生成服從指定分布的隨機數(shù)

norm.rvs通過loc和scale參數(shù)可以指定隨機變量的偏移和縮放參數(shù)，這里對應的是正態(tài)分布的期望和標準差。size得到隨機數(shù)數(shù)組的形狀參數(shù)。(也可以使用np.random.normal(loc=0.0, scale=1.0, size=None))

In [4]: import numpy as np
In [5]: import scipy.stats as st
In [6]: st.norm.rvs(loc = 0,scale = 0.1,size =10)
Out[6]:
array([ 0.12259875, 0.07001414, 0.11296181, -0.00630321, -0.04377487,
0.00474487, -0.00728678, 0.03860256, 0.06701367, 0.03797084])
In [7]:
In [9]: st.norm.rvs(loc = 3,scale = 10,size=(2,2))
Out[9]:
array([[-13.26078265, 0.88411923],
[ 5.14734849, 17.94093177]])
In [10]:

2.求概率密度函數(shù)指定點的函數(shù)值

stats.norm.pdf正態(tài)分布概率密度函數(shù)。

In [33]: st.norm.pdf(0,loc = 0,scale = 1)
Out[33]: 0.3989422804014327
In [34]: st.norm.pdf(np.arange(3),loc = 0,scale = 1)
Out[34]: array([ 0.39894228, 0.24197072, 0.05399097])
In [35]:

3.求累計分布函數(shù)指定點的函數(shù)值

stats.norm.cdf正態(tài)分布累計概率密度函數(shù)。

In [52]: st.norm.cdf(0,loc=3,scale=1)
Out[52]: 0.0013498980316300933
In [53]: st.norm.cdf(0,0,1)
Out[53]: 0.5
In [54]:

4.累計分布函數(shù)的逆函數(shù)

stats.norm.ppf正態(tài)分布的累計分布函數(shù)的逆函數(shù)，即下分位點。

In [59]: z05 = st.norm.ppf(0.05)
In [60]:
In [60]: z05
Out[60]: -1.6448536269514729
In [61]: st.norm.cdf(z05)
Out[61]: 0.049999999999999975
In [62]:

通用函數(shù)

stats連續(xù)型隨機變量的公共方法：

名稱	備注
rvs	產(chǎn)生服從指定分布的隨機數(shù)
pdf	概率密度函數(shù)
cdf	累計分布函數(shù)
sf	殘存函數(shù)（1-CDF）
ppf	分位點函數(shù)（CDF的逆）
isf	逆殘存函數(shù)（sf的逆）
fit	對一組隨機取樣進行擬合，最大似然估計方法找出最適合取樣數(shù)據(jù)的概率密度函數(shù)系數(shù)。

*離散分布的簡單方法大多數(shù)與連續(xù)分布很類似，但是pdf被更換為密度函數(shù)pmf。

常見分布

可能用到的分布對照表

名稱	含義
beta	beta分布
f	F分布
gamma	gam分布
poisson	泊松分布
hypergeom	超幾何分布
lognorm	對數(shù)正態(tài)分布
binom	二項分布
uniform	均勻分布
chi2	卡方分布
cauchy	柯西分布
laplace	拉普拉斯分布
rayleigh	瑞利分布
t	學生T分布
norm	正態(tài)分布
expon	指數(shù)分布