为了了解（正态）分布的方法和属性，我们首先引入norm

 >from scipy.stats import norm
 >rv = norm()
 >dir(rv) # reformatted
[‘__class__', ‘__delattr__', ‘__dict__', ‘__doc__', ‘__getattribute__',
‘__hash__', ‘__init__', ‘__module__', ‘__new__', ‘__reduce__', ‘__reduce_ex__',
‘__repr__', ‘__setattr__', ‘__str__', ‘__weakref__', ‘args', ‘cdf', ‘dist',
‘entropy', ‘isf', ‘kwds', ‘moment', ‘pdf', ‘pmf', ‘ppf', ‘rvs', ‘sf', ‘stats']

其中，连续随机变量的主要公共方法如下：

"htmlcode">

 >norm.cdf(0)
0.5
>norm.mean(), norm.std(), norm.var()
(0.0, 1.0, 1.0)

重点来了，cdf的逆竟然也可以求，这个方法就是ppf

>norm.ppf(0.5)
0.0

离散分布中，pdf被更换为密度函数pmf，而cdf的逆也有所不同：

ppf(q) = min{x : cdf(x) >= q, x integer}

此外，fit可以求分布参数的极大似然估计，包括location与scale，nnlf可以求负对数似然函数，expect可以计算函数pdf或pmf的期望值。

以上这篇在python中求分布函数相关的包实例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。