Python实现概率分布，学数据统计的需要收藏( 二 ) _Python

文章插图

正态分布(Normal Distribution)

在连续型随机变量中，最重要的一种随机变量是具有钟形概率分布的随机变量。人们称它为正态随机变量，相应的概率分布称为正态分布。

如果随机变量X的概率密度为：

文章插图

则称X服从正态分布，记作，其中，， , 为随机变量X的均值，为随机变量X的标准差，它们是正态分布的两个参数。
在python中，可以使用scipy.stats模块中的norm.rvs()方法产生符合二项分布的连续随机变量。其中参数loc代表随机变量的均值， size变量代表随机变量的标准差。

from scipy.stats import norm# 生成标准正态分布 ， N(0,1)data_normal = norm.rvs(size=10000,loc=0,scale=1)ax = sns.distplot(data_normal,bins=100,kde=True,color="green",hist_kws={"linewidth": 15,'alpha':1})ax.set(xlabel='Normal Distribution', ylabel='Frequency')

文章插图

总结本文通过scipy.stats包中的随机分布函数rvs方法(Random variates) ，执行10000次随机变量的计算，通过随机变量值个数直方图的绘制得出特定分布的图形。另外，也可以通过随机分布函数的pmf方法直接获得指定参数下的概率值，然后画出参数与概率的对应关系，但在本文中不做展开。