SciPy - 统计
-
简述
所有的统计功能都位于子包中scipy.stats并且可以使用这些函数获得相当完整的列表info(stats)功能。可用的随机变量列表也可以从docstring对于 stats 子包。该模块包含大量概率分布以及不断增长的统计函数库。每个单变量分布都有自己的子类,如下表所述 -序号 类别和说明 1 rv_continuous用于子类化的通用连续随机变量类2 rv_discrete用于子类化的通用离散随机变量类3 rv_histogram生成由直方图给出的分布 -
正态连续随机变量
随机变量 X 可以取任意值的概率分布是连续随机变量。位置 (loc) 关键字指定平均值。scale(刻度)关键字指定标准偏差。作为一个实例rv_continuous班级,norm对象从它继承了一组通用方法,并用特定于这个特定分布的细节来完成它们。要计算多个点的 CDF,我们可以传递一个列表或 NumPy 数组。让我们考虑下面的例子。上述程序将生成以下输出。要找到分布的中位数,我们可以使用百分比点函数 (PPF),它是 CDF 的倒数。让我们通过下面的例子来理解。上述程序将生成以下输出。要生成一系列随机变量,我们应该使用 size 关键字参数,如下例所示。上述程序将生成以下输出。上述输出不可重现。要生成相同的随机数,请使用种子函数。 -
均匀分布
可以使用 uniform 函数生成均匀分布。让我们考虑下面的例子。上述程序将生成以下输出。构建离散分布
让我们生成一个随机样本并将观察到的频率与概率进行比较。二项分布
作为一个实例rv_discrete class, 这binom object从它继承了一组通用方法,并使用特定于该特定发行版的详细信息来完善它们。让我们考虑下面的例子。上述程序将生成以下输出。 -
描述性统计
Min、Max、Mean 和 Variance 等基本统计数据将 NumPy 数组作为输入并返回各自的结果。一些基本的统计函数scipy.stats package如下表所述。序号 功能说明 1 describe()计算传递数组的几个描述性统计数据2 gmean()沿指定轴计算几何平均值3 hmean()计算沿指定轴的调和平均值4 kurtosis()计算峰度5 mode()返回模态值6 skew()测试数据的偏度7 f_oneway()执行单向方差分析8 iqr()沿指定轴计算数据的四分位数范围9 zscore()计算样本中每个值的 z 分数,相对于样本均值和标准差10 sem()计算输入数组中值的平均值(或测量标准误差)的标准误差其中几个函数在scipy.stats.mstats,它适用于掩码数组。让我们通过下面给出的示例来理解这一点。上述程序将生成以下输出。 -
T检验
让我们了解 T 检验在 SciPy 中的用途。ttest_1samp
计算一组分数的平均值的 T 检验。这是对零假设的双边检验,即独立观察样本“a”的期望值(平均值)等于给定的总体平均值,popmean. 让我们考虑下面的例子。上述程序将生成以下输出。比较两个样本
在下面的例子中,有两个样本,可以来自相同的分布,也可以来自不同的分布,我们要测试这些样本是否具有相同的统计特性。ttest_ind− 计算两个独立分数样本均值的 T 检验。这是对两个独立样本具有相同平均值(预期)值的零假设的双边检验。此测试假定默认情况下总体具有相同的方差。如果我们观察来自相同或不同总体的两个独立样本,我们可以使用此测试。让我们考虑下面的例子。上述程序将生成以下输出。您可以使用长度相同但平均值不同的新数组进行测试。使用不同的值loc并进行相同的测试。