在python中如何求分布函數(shù)相關(guān)的包

這篇文章主要講解了在python中如何求分布函數(shù)相關(guān)的包，內(nèi)容清晰明了，對此有興趣的小伙伴可以學(xué)習(xí)一下，相信大家閱讀完之后會有幫助。

為了了解（正態(tài)）分布的方法和屬性，我們首先引入norm

 >>>from scipy.stats import norm
 >>>rv = norm()
 >>>dir(rv) # reformatted
[‘__class__', ‘__delattr__', ‘__dict__', ‘__doc__', ‘__getattribute__',
‘__hash__', ‘__init__', ‘__module__', ‘__new__', ‘__reduce__', ‘__reduce_ex__',
‘__repr__', ‘__setattr__', ‘__str__', ‘__weakref__', ‘a(chǎn)rgs', ‘cdf', ‘dist',
‘entropy', ‘isf', ‘kwds', ‘moment', ‘pdf', ‘pmf', ‘ppf', ‘rvs', ‘sf', ‘stats']

其中，連續(xù)隨機(jī)變量的主要公共方法如下：

rvs: Random Variates
pdf: Probability Density Function
cdf: Cumulative Distribution Function
sf: Survival Function (1-CDF)
ppf: Percent Point Function (Inverse of CDF)
isf: Inverse Survival Function (Inverse of SF)
stats: Return mean, variance, (Fisher's) skew, or (Fisher's) kurtosis
moment: non-central moments of the distribution

rvs:隨機(jī)變量

pdf：概率密度函。

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）

stats:返回均值，方差，（費舍爾）偏態(tài)，（費舍爾）峰度。

moment:分布的非中心矩。

我們以cdf為例：

 >>>norm.cdf(0)
0.5
>>>norm.mean(), norm.std(), norm.var()
(0.0, 1.0, 1.0)

重點來了，cdf的逆竟然也可以求，這個方法就是ppf

>>>norm.ppf(0.5)
0.0

離散分布中，pdf被更換為密度函數(shù)pmf，而cdf的逆也有所不同：

ppf(q) = min{x : cdf(x) >= q, x integer}

此外，fit可以求分布參數(shù)的極大似然估計，包括location與scale，nnlf可以求負(fù)對數(shù)似然函數(shù)，expect可以計算函數(shù)pdf或pmf的期望值。

看完上述內(nèi)容，是不是對在python中如何求分布函數(shù)相關(guān)的包有進(jìn)一步的了解，如果還想學(xué)習(xí)更多內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道。