python绘制正态分布及三⼤抽样分布的概率密度图像⽬录
1、scipy库中各分布对应的⽅法
from scipy import stats
# 正态分布
<
# 卡⽅分布
stats.chi2
# t分布
stats.t
# F分布
stats.f
2、stats库中各分布的常⽤⽅法及其功能
对于正态分布：
linspace函数df(α，均值,⽅差)；
对于t分布：
对于F分布：
stats.f.cdf(α,⾃由度1,⾃由度2)；
stats.f.pdf(α,⾃由度1,⾃由度2)；
stats.f.isf(α,⾃由度1,⾃由度2)；
⼀个简单的案例说明：
# 对于正态分布
# 对于t分布
结果如下：
3、正态分布的概率密度函数及其图象1）正态分布的概率密度函数及其图象
2）python绘制正态分布的概率密度函数图象
x = np.linspace(-5,5,100000)
y = pdf(x,0,1)
plt.plot(x,y,c="red")
plt.title('正态分布的概率密度函数')
plt.tight_layout()
plt.savefig("正态分布的概率密度函数",dpi=300)
结果如下：
4、卡⽅分布的概率密度函数及其图象1）卡⽅分布的概率密度函数及其图象
2）python绘制卡⽅分布的概率密度函数图象
x = np.linspace(0,100,100000)
color =["blue","green","darkgrey","darkblue","orange"]
for i in range(10,51,10):
y=stats.chi2.pdf(x,df=i)
plt.plot(x,y,c=color[int((i-10)/10)])
plt.title('卡⽅分布')
plt.tight_layout()
plt.savefig(" 布的概率密度函数",dpi=300)
结果如下：
总结：从图中可以看出，随着⾃由度的增加，卡⽅分布的概率密度曲线趋于对称。当⾃由度n -> +∞的时候，卡⽅分布的极限分布就是正态分布。
5、t分布的概率密度函数及其图象
1）t分布的概率密度函数及其图象

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。