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__’, ‘args’, ‘cdf’, ‘dist’,‘entropy’, ‘isf’, ‘kwds’, ‘moment’, ‘pdf’, ‘pmf’, ‘ppf’, ‘rvs’, ‘sf’, ‘stats’]

其中，連續(xù)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(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。

以上這篇在python中求分布函數相關的包實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持好吧啦網。