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
stats.norm
# 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：

• stats.norm.cdf(α,均值,方差)；
• stats.norm.pdf(α,均值,方差)；
• stats.norm.isf(α,均值,方差)；

对于t分布：

• stats.t.cdf(α,自由度)；
• stats.t.pdf(α,自由度)；
• stats.t.isf(α,自由度)；

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
stats.norm.cdf(0.5,2,3)
stats.norm.pdf(0.5,2,3)
stats.norm.isf(0.05,2,3)
# 对于t分布
stats.t.cdf(0.5,10)
stats.t.pdf(0.5,10)
stats.t.isf(0.0005,45)

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 = stats.norm.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

2）python绘制t分布的概率密度函数图象

x = np.linspace(-5,5,100000)
y = stats.t.pdf(x_t,2)
plt.plot(x,y,c="orange")
plt.title('t分布的概率密度函数')

plt.tight_layout()
plt.savefig("t分布的概率密度函数",dpi=300)

结果如下：

3）python绘制t分布和正态分布的概率密度函数对比图

x_norm = np.linspace(-5,5,100000)
y_norm = stats.norm.pdf(x_norm,0,1)
plt.plot(x_norm,y_norm,c="black")

color = ["green","darkblue","orange"]

x_t = np.linspace(-5,5,100000)
for i in range(1,4,1):
    y_t = stats.t.pdf(x_t,i)
    plt.plot(x_t,y_t,c=color[int(i-1)])
    
plt.title('t分布和正态分布的概率密度函数对比图')

plt.tight_layout()
plt.savefig("t分布和正态分布的概率密度函数对比图",dpi=300)

结果如下：

总结：从图中可以看出，t分布的概率密度函数和正态分布的概率密度函数都是偶函数(左右对称的)。t分布随着自由度的增加，就越来越接近正态分布，即t分布的极限分布也是正态分布。  

6.F分布的概率密度函数及其图象

1）F分布的概率密度函数及其图象

2）python绘制F分布的概率密度函数图象

x = np.linspace(-1,8,100000)
y1 = stats.f.pdf(x,1,10)
y2 = stats.f.pdf(x,5,10)
y3 = stats.f.pdf(x,10,10)
plt.plot(x,y1)
plt.plot(x,y2)
plt.plot(x,y3)
plt.ylim(0,1)
plt.title('F分布的概率密度函数')

plt.tight_layout()
plt.savefig("F分布的概率密度函数",dpi=300)

结果如下：

◆ ◆ ◆  ◆ ◆

长按二维码关注我们

数据森麟公众号的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容，还没有加入的小伙伴可以扫描下方管理员二维码，进群前一定要关注公众号奥，关注后让管理员帮忙拉进群，期待大家的加入。

管理员二维码：

● 笑死人不偿命的知乎沙雕问题排行榜

● 用Python扒出B站那些“惊为天人”的阿婆主！

● 全球股市跳水大战，谁最坑爹！

● 华农兄弟、徐大Sao&李子柒？谁才是B站美食区的最强王者？

● 你相信逛B站也能学编程吗