Question

如何在Python中实现这五类强大的概率分布

Answer 1

首页
所有文章
观点与动态
基础知识
系列教程
实践项目
工具与框架应用
工具资源

伯乐在线 > Python - 伯乐在线 > 所有文章 > 实践项目 > 如何在Python中实现这五类强大的概率分布
如何在Python中实现这五类强大的概率分布
2015/04/25 · 实践项目 · 概率分布
分享到：2
本文由 伯乐在线 - feigao.me 翻译，Daetalus 校稿。未经许可，禁止转载！
英文出处：www.bigdataexaminer.com。欢迎加入翻译组。

R编程语言已经成为统计分析中的事实标准。但在这篇文章中，我将告诉你在Python中实现统计学概念会是如此容易。我要使用Python实现一些离散和连续的概率分布。虽然我不会讨论这些分布的数学细节，但我会以链接的方式给你一些学习这些统计学概念的好资料。在讨论这些概率分布之前，我想简单说说什么是随机变量（random variable）。随机变量是对一次试验结果的量化。
举个例子，一个表示抛硬币结果的随机变量可以表示成

Python
X = {1 如果正面朝上,
2 如果反面朝上}

随机变量是一个变量，它取值于一组可能的值（离散或连续的），并服从某种随机性。随机变量的每个可能取值的都与一个概率相关联。随机变量的所有可能取值和与之相关联的概率就被称为概率分布（probability distributrion）。
我鼓励大家仔细研究一下scipy.stats模块。
概率分布有两种类型：离散（discrete）概率分布和连续（continuous）概率分布。
离散概率分布也称为概率质量函数（probability mass function）。离散概率分布的例子有伯努利分布（Bernoulli distribution）、二项分布（binomial distribution）、泊松分布（Poisson distribution）和几何分布（geometric distribution）等。
连续概率分布也称为概率密度函数（probability density function），它们是具有连续取值（例如一条实线上的值）的函数。正态分布（normal distribution）、指数分布（exponential distribution）和β分布（beta distribution）等都属于连续概率分布。