scipy.stats 庫的使用,np求均值和方差
關於正太分佈的
import scipy.stats as st
'''
正太分佈函式norm()
'''
st.norm() #預設引數是0 :均值,1:方差
st.norm(3,1) #均值為3,方差為1
#求某個數概率密度pdf probability density function(pdf)下面求標準正太分佈的概率密度
norm(0,1).pdf(x) # 也可以這麼寫 st.norm.pdf(x,0,1)
#給出來一個正太分佈,累積到某一個數值的概率,cumulation density function(cdf)
st.norm.cdf(0) # 標準正太分佈從-∞到0的累加概率密度,為0.5
st.norm(3,1).cdf(5) #均值3,方差1的分佈 從 負無窮 到5 的概率
st.norm.cdf(3,3,1) 和上一行一樣的功能,不能的寫法
#(3) 均值為 3, 標準差為 1, 累計概率為 0.5 的反函式值 是前面cdf的反函式
st.norm.ppf(0.5,3,1)
#
x = np.linspace(norm.ppf(0.01, loc, scale), norm.ppf(0.99, loc, scale), 100)
給出資料求正太分佈的函式密度
sig = math.sqrt(0.2)
x = np.linspace(u - 3 * sig, u + 3 * sig, 50)
y_sig = np.exp(-(x - u) ** 2 / (2 * sig ** 2)) / (math.sqrt(2 * math.pi) * sig)
plt.plot(x, y_sig, "r-", linewidth=2)
plt.grid(True)
plt.show()
給出一組資料求資料的均值和方差標準差
import numpy as np
arr = [1,2,3,4,5,6]
#求均值
arr_mean = np.mean(arr)
#求方差
arr_var = np.var(arr)
#求標準差
arr_std = np.std(arr,ddof=1)
print("平均值為:%f" % arr_mean)
print("方差為:%f" % arr_var)
print("標準差為:%f" % arr_std)
相關文章
- Python求均值,方差,標準差Python
- 均值、方差、協方差、協方差矩陣、特徵值、特徵向量矩陣特徵
- 計算資料集均值方差
- PyTorch基礎——均值、(無偏估計)方差PyTorch
- 機率統計-常見分佈的均值及方差
- 求陣列平均值陣列
- Linux下的計算命令和求和、求平均值、求最值命令梳理Linux
- 馬科維茨的均值一方差組合模型(轉載)模型
- MapReduce程式設計(四) 求均值程式設計
- JavaScript求陣列數字的平均值JavaScript陣列
- mao/reduce實現求平均值
- Python:range、np.arange和np.linspacePython
- 使用者自定義聚集函式--求平均值(avg)--myavg函式
- 避免溢位求平均值的演算法演算法
- 如何使用方差分析(ANOVA)?
- 使用 request 和 cheerio 庫來傳送 HTTP 請求HTTP
- python輸入一個列表求平均值Python
- numpy 中np.array 與 np.ndarry的區別
- Linux中awk命令正確的求最大值、最小值、平均值、總和Linux
- SPSS計算極值、平均值、中位數、方差、偏度、峰度、變異係數SPSS
- 方差
- 破解NP的建議
- numpy中np.array()與np.asarray的區別以及.tolist
- 演算法金 | 協方差、方差、標準差、協方差矩陣演算法矩陣
- C語言公式法求一元二次方差的根C語言公式
- 求陣列之和,最小值,最大值,平均值陣列
- 前端技術分享:不重複的組成4位數求平均值前端
- 【通俗向】方差分析--幾種常見的方差分析
- 基本概念(二):方差、協方差、相關係數 原點矩和中心矩
- 使用request庫的get方法發起GET請求
- np.random.choicerandom
- 神經網路學習筆記(4)——期望與算術平均值的區別、方差與均方誤差的區別神經網路筆記
- 7-8 使用一維陣列求平均值 (20分)_PTA_Java基礎練習陣列Java
- Python基礎——min/max與np.argmin/np.argmaxPython
- 機器學習中偏差bias和方差variance區別機器學習
- 使用requests庫來傳送HTTP請求HTTP
- np.random.multivariate_normal()randomORM
- np.stack函式函式