如何在Python中查找概率分布

概率分布表示给定数据的各种数值的预测结果。概率分布有多种形式和大小，每一种都有自己的特点，如平均值、中位数、模式、偏度、标准差、峰度等。概率分布有多种类型，让我们在本文中演示如何找到它们。

正态分布

正态分布是以平均数为中心的对称概率分布，表明平均数周围的数据比远离平均数的数据出现得更频繁。正态分布也叫高斯分布。正态分布曲线类似于钟形曲线。在下面的例子中，我们使用生成连续随机数据的函数stats.norm()来创建正态分布数据。参数scale指的是标准差，loc指的是平均值。plt.distplot()被用来可视化数据。KDE指的是内核密度估计，其他参数是用来定制图表的。当我们对图进行可视化时，可以看到一条钟形曲线。

# import packages
import scipy.stats as stats
import seaborn as sns
import matplotlib.pyplot as plt
 
 
# generate data
data =stats.norm(scale=1, loc=0).rvs(1000)
 
# plotting a histogram
ax = sns.distplot(data,
                  bins=50,
                  kde=True,
                  color='red',
                  hist_kws={"linewidth": 15,'alpha':1})
ax.set(xlabel='Normal Distribution', ylabel='Frequency')
 
plt.show()

输出:

如何在Python中查找概率分布

二项式分布

在一组给定的因素或假设下，二项分布表达了一个变量采取两种结果或独立值之一的可能性。例如：如果一个实验是成功的或失败的。如果一个问题的答案是 “是 “或 “不是 “等等。np.random.binomial()用于生成二项分布数据。n指的是线索的数量，并倾向于每个线索的概率。

# import packages
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
 
# generate data
# n== number of trials,p== probability of each trial
n, p = 10, .6
data = np.random.binomial(n, p, 10000)
 
# plotting a histogram
ax = sns.distplot(data,
                  bins=20,
                  kde=False,
                  color='red',
                  hist_kws={"linewidth": 15, 'alpha': 1})
ax.set(xlabel='Binomial Distribution', ylabel='Frequency')
 
plt.show()

输出:

如何在Python中查找概率分布

泊松分布

泊松分布是统计学中的一种概率分布，用于说明在一定的时间内，一个事件预计会发生多少次。np.random.poisson函数()用于创建泊松分布的数据。lam指的是在给定的时间范围内预计发生的次数。在这个例子中，我们可以把条件定为 “如果一个学生每天学习5小时，他每天学习6小时的概率是？

# import packages
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
 
# generate poisson data
poisson_data = np.random.poisson(lam=5, size=1000)
 
# plotting a histogram
ax = sns.distplot(poisson_data,
                  kde=False,
                  color='blue')
ax.set(xlabel='Poisson Distribution', ylabel='Frequency')
 
plt.show()

输出:

如何在Python中查找概率分布