在python中求分布函数相关的包实例
为了了解（正态）分布的方法和属性，我们首先引入norm
>>>fromscipy.statsimportnorm >>>rv=norm() >>>dir(rv)#reformatted [‘__class__',‘__delattr__',‘__dict__',‘__doc__',‘__getattribute__', ‘__hash__',‘__init__',‘__module__',‘__new__',‘__reduce__',‘__reduce_ex__', ‘__repr__',‘__setattr__',‘__str__',‘__weakref__',‘args',‘cdf',‘dist', ‘entropy',‘isf',‘kwds',‘moment',‘pdf',‘pmf',‘ppf',‘rvs',‘sf',‘stats']
其中，连续随机变量的主要公共方法如下：
rvs:RandomVariates
pdf:ProbabilityDensityFunction
cdf:CumulativeDistributionFunction
sf:SurvivalFunction(1-CDF)
ppf:PercentPointFunction(InverseofCDF)
isf:InverseSurvivalFunction(InverseofSF)
stats:Returnmean,variance,(Fisher's)skew,or(Fisher's)kurtosis
moment:non-centralmomentsofthedistribution
rvs:随机变量
pdf：概率密度函。
cdf：累计分布函数
sf：残存函数（1-CDF）
ppf：分位点函数（CDF的逆）
isf：逆残存函数（sf的逆）
stats:返回均值，方差，（费舍尔）偏态，（费舍尔）峰度。
moment:分布的非中心矩。
我们以cdf为例：
>>>norm.cdf(0) 0.5 >>>norm.mean(),norm.std(),norm.var() (0.0,1.0,1.0)
重点来了，cdf的逆竟然也可以求，这个方法就是ppf
>>>norm.ppf(0.5)
0.0
离散分布中，pdf被更换为密度函数pmf，而cdf的逆也有所不同：
ppf(q)=min{x:cdf(x)>=q,xinteger}
此外，fit可以求分布参数的极大似然估计，包括location与scale，nnlf可以求负对数似然函数，expect可以计算函数pdf或pmf的期望值。
以上这篇在python中求分布函数相关的包实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。