网站建设的大功效,硅云网站建设视频,wordpress dux商城,网站怎么去维护常见正态分布 1.贝塔分布1.1 概率密度函数1.2参数对分布形状的影响1.3 应用场景1.4 python实现 2. 帕累托分布#xff08;80/20法则#xff09;3. 正态分布#xff08;高斯分布#xff09;3.1 正态分布对应性质3.2 正态分布对应图像3.1PP图检验是否为正态分布 4.均匀分布4.1 性质4.2 python实现 1.贝塔分布
Bea分布是一种在区间【0,1】上定义的连续概率分布常用于描述在有限区间内取值的随机变量的概率分布情况。它由两个正实数参数α以及β来控制形状这两个参数也称为形状参数。Beta分布在贝叶斯统计机器学习概率论等多个领域都有广泛的应用例如在估计事件发生的概率建模比例数据等方面。
1.1 概率密度函数 1.2参数对分布形状的影响 1.3 应用场景 1.4 python实现
import numpy as np# 设置参数
alpha 2
beta 5# 生成 10 个服从 Beta 分布的随机数
random_numbers np.random.beta(alpha, beta, 10)
print(random_numbers)
2. 帕累托分布80/20法则 3. 正态分布高斯分布
正态分布非常符合现实中一些数据的分布所以广泛运用于金融数学领域。 3.1 正态分布对应性质 3.2 正态分布对应图像
3.1PP图检验是否为正态分布 import numpy as np import statsmodels.api as sm import matplotlib.pyplot as plt
# 生成一组近似正态分布的数据
data np.random.normal(loc0, scale1, size1000)# 绘制 P - P 图
sm.ProbPlot(data).ppplot(line45)
plt.title(P - P Plot)
plt.show()4.均匀分布 4.1 性质 4.2 python实现
离散
import random# 生成 1 到 6 之间的随机整数模拟掷骰子
result random.randint(1, 6)
print(result)
连续
import numpy as np# 生成在区间 [0, 1] 上的连续均匀分布随机数
random_num np.random.uniform(0, 1)
print(random_num)
