python统计软件,python代码统计工具
四种常用分布的概率密度函数、分布函数、期望、分位数和期望方差标准差的中位数原点矩：
1、正态分布：[python]查看plaincopy
Code class= language-python 来自scipy.statsimportnorm/code(1)概率密度函数：
Norm.pdf(x，mu，sigma) #返回n (mu，sigma 2)在x (2)处的概率密度函数值概率分布函数：
Norm.cdf(x，mu，sigma) #返回n (mu，sigma 2)的概率密度函数从负无穷大到x的积分，即概率分布函数norm.sf(x，mu，sigma) #返回1-norm.cdf(x，mu，sigma^2)(3 ^ 2)(3)数学期望
Norm.expect (func=f，loc=mu，scale=sigma) #返回f(x)的期望值。注意这里的LOC和scale (4)分位数：
Norm.isf(1-alpha，mu，sigma) #返回值S满足：Norm。CDF (s，mu，sigma 2)=alpha，S为alpha分位数范数. ppf(alpha，mu，sigma) #返回值S满足：norm。CDF(标准、管理部门、西格玛2)
Norm.fit(a) #假设数组A来自正态分布，返回mu和sigma的最大似然估计。感觉不太好。(6)分布的数量关系：
范数的方差。均值(mu，sigma) # n (mu，sigma 2)范数。var (mu，)# n(mu，2)范数。STD (mu，sigma) # n (mu，sigma 2)方差随后被平方根范数打开。moment (a，mu，sigma) # n (mu，sigma 2)产生一个满足正态分布的随机数：
Norm.rvs (loc=mu，scale=sigma，size=n) #生成n个服从n (mu，sigma 2)的随机数
2、卡方分布：从scipy.stats导入卡方2 (1)概率密度函数：
2.chi.pdf(x，n) #返回x (2)概率分布函数的概率密度函数值：
2.池。CDF (x，n) #返回0到x上的概率密度函数\ CHI 2 (n)的积分，这是概率分布函数的值。chi2.sf(x，n) #返回1-chi2.cdf(x，n) (3)数学期望：
2.池。EXPECT (func=f，args=(n，)#返回f(x)的预期(4)分位数：
2.ISF (1-alpha，n) #返回值S满足：chi2.cdf(s，n)=alpha，S为alpha分位数chi2.ppf(alpha，n) #返回值S满足：chi2.cdf(s，n)=alpha，S为alpha分位数(5)分布的数量关系。
2.(n)# \2(n)# \2(n)的平均值，2的方差。STD (n) # \ chi 2 (n)，则chi 2的平方根。中位数(n)# \2(n)
3、f分布：从scipy.stats导入f (1)概率密度函数：
F.pdf(x，m，n) #返回F(m，n)在x (2)处的概率密度函数值概率分布函数：
F.cdf(x，m，n) #返回F(m，n)在0到x上的概率密度函数的积分，即概率分布函数chi2.sf(x，n) #返回1-f.cdf(x，m，n) (3)数学期望：
F.expect( func=g，args=(m，n)) #返回g(x)的数学期望(4)分位数：
F.isf(1-alpha，m，n) #返回值S满足：chi2.cdf(s，n)=alpha，S为alpha分位数f.ppf(alpha，m，n) #返回值S满足：chi2.cdf(s，n)=alpha，S为alpha分位数(5)
f.mean(m，n) # F(m，n) # f.var(m，n) # F(m，n)的方差然后被f.median(m，n) # F(m，n)平方
4、t分布：从scipy.stats导入t (1)概率密度函数：
T.pdf(x，n) #返回t(n)在x (2)概率分布函数处的概率密度函数值：
T.cdf(x，n) #返回t(n)的概率密度函数从负无穷大到x的积分，即概率分布函数t.sf(x，n) #的值返回1-t.cdf(x，n) (3)数学期望：
T.expect( func=f，args=(n，)#返回f(x)的预期(4)分位数：
T.isf(1-alpha，n) #返回值S满足：t.cdf(s，n)=alpha，S为alpha分位数t.ppf(alpha，n) #返回值S满足：t.cdf(s，n)=alpha，S为alpha分位数(5)分布的数量关系：
T.mean(n) # t(n) mean t.var(n) # t(n)方差t.std(n) # t(n)方差再开平方根t . median(n) # t(n)median t . moment(a，n)# t(n)
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。