Python求解正态分布置信区间教程
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SciPy求解置信区间
import numpy as np
import matplotlib.pyplot as plt
numpy教程 pdf
from scipy import stats
N = 10000
x = al(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 = 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Matplotlib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 = 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：
正态分布置信区间规律
函数曲线下68.268949%的⾯积在平均数左右的⼀个标准差范围内
函数曲线下95.449974%的⾯积在平均数左右两个标准差的范围内
函数曲线下99.730020%的⾯积在平均数左右三个标准差的范围内
函数曲线下99.993666%的⾯积在平均数左右四个标准差的范围内
以上这篇Python求解正态分布置信区间教程就是⼩编分享给⼤家的全部内容了，希望能给⼤家⼀个参考，也希望⼤家多多⽀持。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。