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。
