Python求解正态分布置信区间教程_已知正太函数的均值和标准差,如何计算两边边界 - CSDN文库

173 浏览量更新于2023-05-11 评论收藏 64KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

Python求解正态分布置信区间教程求解正态分布置信区间教程

今天小编就为大家分享一篇Python求解正态分布置信区间教程，具有很好的参考价值，希望对大家有所帮助。

一起跟随小编过来看看吧

正态分布和置信区间正态分布和置信区间

正态分布（Normal Distribution）又叫高斯分布，是一种非常重要的概率分布。其概率密度函数的数学表达如下：

置信区间是对该区间能包含未知参数的可置信的程度的描述。

使用使用SciPy求解置信区间求解置信区间

import numpy as np

import matplotlib.pyplot as plt

from scipy import stats

N = 10000

x = np.random.normal(0, 1, N)

# ddof取值为1是因为在统计学中样本的标准偏差除的是(N-1)而不是N，统计学中的标准偏差除的是N

# SciPy中的std计算默认是采用统计学中标准差的计算方式

mean, std = x.mean(), x.std(ddof=1)

print(mean, std)

# 计算置信区间

# 这里的0.9是置信水平

conf_intveral = stats.norm.interval(0.9, loc=mean, scale=std)

print(conf_intveral)

输出如下：

0.0033541207210673997 0.9986647964318905

(-1.639303291798682, 1.6460115332408163)

这里的-1.639303291798682是置信上界，1.6460115332408163是置信下界，两个数值构成的区间就是置信区间

使用使用Matplotlib绘制正态分布密度曲线绘制正态分布密度曲线

# 绘制概率密度分布图

x = np.arange(-5, 5, 0.001)

# PDF是概率密度函数

y = stats.norm.pdf(x, loc=mean, scale=std)

plt.plot(x, y)

plt.show()

这里的pdf()函数是Probability density function，就是本文最开始的那个公式

最后的输出图像如下，可以看到结果跟理论上的正太分布还是比较像的：

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

评论0

weixin_38537315

粉丝: 6
资源: 876

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈