概率分布 python

在Python中，可以使用SciPy库来进行概率分布的计算和模拟。下面是一些常见的概率分布及其在Python中的实现方法：

1. 正态分布：使用`scipy.stats.norm`。

from scipy.stats import norm

# 计算正态分布的概率密度函数值
norm.pdf(x, mu, sigma)

# 计算正态分布的累积分布函数值
norm.cdf(x, mu, sigma)

# 生成正态分布的随机样本
norm.rvs(mu, sigma, size)

2. 二项分布：使用`scipy.stats.binom`。

from scipy.stats import binom

# 计算二项分布的概率质量函数值
binom.pmf(k, n, p)

# 计算二项分布的累积分布函数值
binom.cdf(k, n, p)

# 生成二项分布的随机样本
binom.rvs(n, p, size)

3. 泊松分布：使用`scipy.stats.poisson`。

from scipy.stats import poisson

# 计算泊松分布的概率质量函数值
poisson.pmf(k, mu)

# 计算泊松分布的累积分布函数值
poisson.cdf(k, mu)

# 生成泊松分布的随机样本
poisson.rvs(mu, size)

除了这些常见的概率分布外，SciPy库还支持许多其他的概率分布，如伽马分布、指数分布、卡方分布等。可以查看SciPy库的文档以了解更多信息。