溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要講解了在python中如何求分布函數相關的包，內容清晰明了，對此有興趣的小伙伴可以學習一下，相信大家閱讀完之后會有幫助。
為了了解（正態）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__', ‘args', ‘cdf', ‘dist', ‘entropy', ‘isf', ‘kwds', ‘moment', ‘pdf', ‘pmf', ‘ppf', ‘rvs', ‘sf', ‘stats']
其中，連續隨機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:隨機變量
pdf：概率密度函。
cdf：累計分布函數
sf：殘存函數（1-CDF）
ppf：分位點函數（CDF的逆）
isf：逆殘存函數（sf的逆）
stats:返回均值，方差，（費舍爾）偏態，（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可以求分布參數的極大似然估計，包括location與scale，nnlf可以求負對數似然函數，expect可以計算函數pdf或pmf的期望值。
看完上述內容，是不是對在python中如何求分布函數相關的包有進一步的了解，如果還想學習更多內容，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
