python的scipy.stats模塊是連續型隨機變量的公共方法，可以產生隨機數，通常是以正態分布作為scipy.stats的基本使用方法。本文介紹正態分布的兩種常用函數：1、累積概率密度函數stats.norm.cdf(α,均值,方差)；2、概率密度函數stats.norm.pdf(α,均值,方差)。

1、stats.norm.cdf(α,均值,方差)：累積概率密度函數

使用格式

status.norm.cdf(Norm) # 相當于已知正態分布函數曲線和x值，求函數x點左側積分

使用實例

a=st.norm.cdf(0,loc=0,scale=1)
print(a)
x=st.norm.cdf(1.65,loc=0,scale=1)
y=st.norm.cdf(1.96,loc=0,scale=1)
z=st.norm.cdf(2.58,loc=0,scale=1)
print(x,y,z)

2、stats.norm.pdf(α,均值,方差)：概率密度函數

使用格式

status.norm.pdf(Norm) # 相當于已知正態分布函數曲線和x值，求y值

使用實例

x=st.norm.pdf(0,loc=0,scale=1)
y=st.norm.pdf(np.arange(3),loc=0,scale=1)
print(x)
print(y)

內容擴展：

scipy主要的模塊

• cluster 聚類算法
• constants 物理數學常數
• fftpack 快速傅里葉變換
• integrate 積分和常微分方程求解
• interpolate 插值
• io 輸入輸出
• linalg 線性代數
• odr 正交距離回歸
• optimize 優化和求根
• signal 信號處理
• sparse 稀疏矩陣
• spatial 空間數據結構和算法
• special 特殊方程
• stats 統計分布和函數
• weave C/C++ 積分

到此這篇關于python的scipy.stats模塊中正態分布常用函數總結的文章就介紹到這了,更多相關scipy.stats模塊中正態分布常用函數內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！