伯努利分布
理解:抛一次硬币的实验,只有两个结果,正面or反面
from scipy import stats
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
#下载中文字体
SimHei = matplotlib.font_manager.FontProperties(fname="C:\working\SimHei.ttf")
#计算数值
x=np.arange(0,2,1)
print("x:",x)
p=0.5 #为正的概率
plist = stats.bernoulli.pmf(x,p)#pmf概率密度函数
print("plist",plist)
#绘制图形
plt.plot(x,plist,marker="o",linestyle="None")#marker 是上面蓝色小点的
plt.vlines(x,0,plist)#绘制竖直线
plt.xlabel("随机变量:抛一次硬币",fontproperties=SimHei)
plt.ylabel("p",fontproperties=SimHei)
plt.title("伯努利分布",fontproperties=SimHei)
plt.show()
二项分布
理解: 抛N次硬币的实验,每次只有两个结果,正面or反面,求出现正面的每次概率
from scipy import stats
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
#下载中文字体
SimHei = matplotlib.font_manager.FontProperties(fname="C:\working\SimHei.ttf")
#计算数值
n=5 #抛5次
p=0.5 #为正的概率
x=np.arange(1,n+1,1)#这里就是为了生成横坐标轴
print("x:",x)
plist = stats.binom.pmf(x,n,p)#pmf概率密度函数
print("plist",plist)
#绘制图形
plt.plot(x,plist,marker="o",linestyle="None")#marker 是上面蓝色小点的
plt.vlines(x,0,plist)#绘制竖直线
plt.xlabel("随机变量:抛N次硬币",fontproperties=SimHei)
plt.ylabel("p",fontproperties=SimHei)
plt.title("二项分布",fontproperties=SimHei)
plt.show()
几何分布
理解: 抛N次硬币的实验,每次只有两个结果,正面or反面,但只到第K次才第一次出现正面
from scipy import stats
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
#下载中文字体
SimHei = matplotlib.font_manager.FontProperties(fname="C:\working\SimHei.ttf")
#计算数值k
k=5 #第5次首次成功
p=0.5 #为正的概率
x=np.arange(1,k+1,1)#这里就是为了生成横坐标轴
print("x:",x)
plist = stats.geom.pmf(x,p)#pmf概率密度函数
print("plist",plist)
#绘制图形
plt.plot(x,plist,marker="o",linestyle="None")#marker 是上面蓝色小点的
plt.vlines(x,0,plist)#绘制竖直线
plt.xlabel("随机变量:抛N次硬币,第k次首次成功",fontproperties=SimHei)
plt.ylabel("p",fontproperties=SimHei)
plt.title("几何分布",fontproperties=SimHei)
plt.show()
泊松分布
理解:上面讲的都是一个点发生的事情,泊松分布是二项分母的极限,可以理解为一段区域、时间内发生某件事情概率
from scipy import stats
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
#下载中文字体
SimHei = matplotlib.font_manager.FontProperties(fname="C:\working\SimHei.ttf")
#计算数值k
mu=4 #平均每天发生4次
k=6 #求第六次概率
x=np.arange(1,k+1,1)#这里就是为了生成横坐标轴
print("x:",x)
plist = stats.poisson.pmf(x,mu)#pmf概率密度函数
print("plist",plist)
#绘制图形
plt.plot(x,plist,marker="o",linestyle="None")#marker 是上面蓝色小点的
plt.vlines(x,0,plist)#绘制竖直线
plt.xlabel("一段时间内,第k次出现概率",fontproperties=SimHei)
plt.ylabel("p",fontproperties=SimHei)
plt.title("泊松分布",fontproperties=SimHei)
plt.show()
正态分布
理解:上面讲的都是离散型随机变量的概率分布描述,正态分布是连续型随机变量的概率分布描述
from scipy import stats
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
#下载中文字体
SimHei = matplotlib.font_manager.FontProperties(fname="C:\working\SimHei.ttf")
#计算数值k
mu=0
sigma=1
x=np.arange(-5,5,0.1)#这里就是为了生成横坐标轴
print("x:",x)
plist = stats.norm.pdf(x,mu,sigma)#pdf概率密度函数
#print("plist",plist)
#绘制图形
plt.plot(x,plist)
#plt.vlines(x,0,plist)#绘制竖直线
plt.xlabel("连续型随机变量分布",fontproperties=SimHei)
plt.ylabel("p",fontproperties=SimHei)
plt.title("正态分布",fontproperties=SimHei)
plt.show()