python简单实现最大似然估计&scipy库的使用详解
python简单实现最大似然估计
1、scipy库的安装
wim+R输入cmd,然后cd到python的pip路径,即安装:pip install scipy即可
2、导入scipy库
from scipy.sats import norm
导入scipy.sats中的norm
3、案例分析
from scipy.stats import normimport matplotlib.pyplot as pltimport numpy as np’’’norm.cdf 返回对应的累计分布函数值norm.pdf 返回对应的概率密度函数值norm.rvs 产生指定参数的随机变量norm.fit 返回给定数据下,各参数的最大似然估计(MLE)值’’’x_norm = norm.rvs(size=200)#在这组数据下,正态分布参数的最大似然估计值x_mean, x_std = norm.fit(x_norm)print (’mean, ’, x_mean)print (’x_std, ’, x_std)plt.hist(x_norm, normed=True, bins=15)#归一化直方图(用出现频率代替次数),将划分区间变为 20(默认 10)x = np.linspace(-3,3,50)#在在(-3,3)之间返回均匀间隔的50个数字。plt.plot(x, norm.pdf(x), ’r-’)plt.show()
运行如下:
补充知识:python hypergeom.cdf函数理解
导入函数
hypergeom.cdf函数是scipy库中的。
from scipy.stats import hypergeom
含义
与scipy帮助文档中的字母定义一致,即用hypergeom.cdf(k,M,n,N)来解释该函数的用法。
hypergeom是用于计算超几何分布的,其中cdf表示的是累计分布函数。这里用超几何分布的一般意义来解释,hypergeom.cdf表示:总共有M件产品,n件次品,从M件中随机挑出N件,这N件中最多包含n件中的k件的概率(也可以理解为M-n件产品中至少选到N-k件的概率)。
以上这篇python简单实现最大似然估计&scipy库的使用详解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好吧啦网。
相关文章:
1. 在Asp.net core项目中使用WebSocket2. 将properties文件的配置设置为整个Web应用的全局变量实现方法3. JavaScript实现组件化和模块化方法详解4. ASP.NET MVC使用异步Action的方法5. python3.8.1+selenium实现登录滑块验证功能6. 利用FastReport传递图片参数在报表上展示签名信息的实现方法7. Python制作一个随机抽奖小工具的实现8. 使用python画出逻辑斯蒂映射(logistic map)中的分叉图案例9. SpringMVC+Jquery实现Ajax功能10. matplotlib如何设置坐标轴刻度的个数及标签的方法总结