Python求解正态分布置信区间教程
更新时间：2019年11月20日 11:28:31 作者：TheOneGIS
今天小编就为大家分享一篇Python求解正态分布置信区间教程，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
正态分布和置信区间
正态分布（Normal Distribution）又叫高斯分布，是一种非常重要的概率分布。其概率密度函数的数学表达如下：
置信区间是对该区间能包含未知参数的可置信的程度的描述。
使用SciPy求解置信区间
import numpy as np import matplotlib.pyplot as plt from scipy import stats N = 10000 x = np.random.normal(0, 1, N) # ddof取值为1是因为在统计学中样本的标准偏差除的是(N-1)而不是N，统计学中的标准偏差除的是N # SciPy中的std计算默认是采用统计学中标准差的计算方式 mean, std = x.mean(), x.std(ddof=1) print(mean, std) # 计算置信区间 # 这里的0.9是置信水平 conf_intveral = stats.norm.interval(0.9, loc=mean, scale=std) print(conf_intveral)
输出如下：
0.0033541207210673997 0.9986647964318905 (-1.639303291798682, 1.6460115332408163)
这里的-1.639303291798682是置信上界，1.6460115332408163是置信下界，两个数值构成的区间就是置信区间
使用Matplotlib绘制正态分布密度曲线
# 绘制概率密度分布图 x = np.arange(-5, 5, 0.001) # PDF是概率密度函数 y = stats.norm.pdf(x, loc=mean, scale=std) plt.plot(x, y) plt.show()
这里的pdf()函数是Probability density function，就是本文最开始的那个公式
最后的输出图像如下，可以看到结果跟理论上的正太分布还是比较像的：
正态分布置信区间规律
函数曲线下68.268949%的面积在平均数左右的一个标准差范围内
函数曲线下95.449974%的面积在平均数左右两个标准差的范围内
函数曲线下99.730020%的面积在平均数左右三个标准差的范围内
函数曲线下99.993666%的面积在平均数左右四个标准差的范围内
以上这篇Python求解正态分布置信区间教程就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要为大家介绍了TOPI如何使TVM代码不那么样板化实现过程详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-04-04
这篇文章主要为大家详细介绍了python绘制直方图的方法，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-04-04
这篇文章主要介绍了virtualenv介绍及简明教程，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-06-06
本文将简单讲述一下 Python 探针的实现原理。 同时为了验证这个原理，我们也会一起来实现一个简单的统计指定函数执行时间的探针程序。2016-04-04
这篇文章主要介绍了Python的SQLAlchemy框架使用入门,SQLAlchemy框架是Python中用来操作数据库的ORM框架之一,需要的朋友可以参考下2015-04-04
这篇文章主要介绍了利用python下载scihub成文献为PDF操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-07-07
这篇文章主要为大家介绍了python中的变量，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2021-12-12
这篇文章主要为大家介绍了Python实战之使用XPath采集数据实现示例解析，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪<BR>2023-04-04
这篇文章主要介绍了python使用nntp读取新闻组内容的方法,实例分析了Python操作nntp读取新闻组内容的相关技巧,需要的朋友可以参考下2015-05-05
这篇文章主要为大家介绍了python字符串相关str，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2022-01-01
最新评论