概率统计基础知识
本文主要学习概率统计学的一些基础知识，内容主要包括两部分，概率学上的基础概念介绍，以及如何使用python代码实现离散概率分布、连续概率分布和随机抽样。
一、概率知识介绍
随机事件：统计概率中，用事件表示某件事情，在一定条件下，可能发生也可能不发生的事件叫做随机事件，例如，抛一枚硬币，可能出现正面朝上，也可能出现反面朝上；通过数值来量化随机事件，得到发生某个结果的可能性大小，称为概率；
随机变量，是量化随机事件的函数，将随机事件每一个可能出现的实验结果赋予一个数值；
分布，数据在统计图中的形状称为它的分布；
概率分布，用统计图来表示随机变量所有可能结果和对应结果发生的概率，横轴是随机变量的数字（随机事件的所有可能结果），纵轴是横轴上对应结果发生的概率；
举例，随意抛掷一枚骰子就是一次试验，骰子落地，可能出现1点，2点，…，6点，等都是一个事件，而且这些事件都是在一次试验中可能出现也可能不出现的，即为随机事件，如果用X表示抛掷骰子，X的可能值计为x1，x2，…，x6，具有确定概率P(x1)，P(x2)，…，P(x6)，则X称为P(X)的随机变量，P(X)称为随机变量X的概率函数。
随机变量有两种分类，离散型随机变量和连续型随机变量，离散型随机变量的特点是可逐个列举，如：抛一枚骰子出现几点朝上；而连续型变量则无法逐个列举，如：下雨雨量毫米数。
计算离散随机变量的概率公式叫概率质量函数（PMF）；计算连续随机变量的概率公式为概率密度函数（PDF）。
二、4种常见的离散概率分布
离散概率分布常见有4种：伯努利分布、二项分布、几何分布、泊松分布；
2.1、伯努利分布
伯努利试验，在同样的条件下重复进行的相互独立的随机试验，试验的结果有两种结果，成功或不成功，例如，抛硬币，正面朝上或反面朝上；如果随机变量X是一次伯努利试验，则这个随机变量服从伯努利分布；
python中实现伯努利分布的代码：
第1步：定义随机变量
第2步：计算概率质量函数PMF
第3步，绘图
#第3步，绘图
plt.plot(X,pList,marker='o',linestyle='')
'''
vlines用于绘制竖直线(vertical lines),
参数说明：vline(x坐标值, y坐标最小值, y坐标值最大值)
我们传入的X是一个数组，是给数组中的每个x坐标值绘制竖直线，
竖直线y坐标最小值是0，y坐标值最大值是对应pList中的值
官网文档：https://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.vlines
'''
plt.vlines(X,0,pList)
#x轴文本
plt.xlabel('随机变量：抛硬币1次')
#y轴文本
plt.ylabel('概率')
#标题
plt.title('伯努利分布：p=%.2f' % p)
#显示图形
plt.show()
<< · Back Index ·>>
下一篇