Python求解正态分布置信区间教程
正态分布和置信区间
正态分布(NormalDistribution)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
importnumpyasnp importmatplotlib.pyplotasplt fromscipyimportstats 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:
0.00335412072106739970.9986647964318905 (-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Probabilitydensityfunction,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毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。