numpy 如何在Python中计算PDF(概率密度函数)?

kgqe7b3p  于 2023-10-19  发布在  Python
关注(0)|答案(3)|浏览(181)

我有下面的代码,它打印了一个特定的平均值和标准差的PDF图。

现在我需要找到一个特定值的实际概率。例如,如果我的均值是0,我的值是0,我的概率是1。这通常通过计算曲线下的面积来完成。与此类似:
http://homepage.divms.uiowa.edu/~mbognar/applets/normal.html
我不知道如何处理这个问题

import numpy as np
import matplotlib    
import matplotlib.pyplot as plt
    
def normal(power, mean, std, val):
    a = 1/(np.sqrt(2*np.pi)*std)
    diff = np.abs(np.power(val-mean, power))
    b = np.exp(-(diff)/(2*std*std))
    return a*b

pdf_array = []
array = np.arange(-2,2,0.1)
print array
for i in array:
    print i
    pdf = normal(2, 0, 0.1, i)
    print pdf
    pdf_array.append(pdf)

plt.plot(array, pdf_array)
plt.ylabel('some numbers')
plt.axis([-2, 2, 0, 5])
plt.show()

print
eqqqjvef

eqqqjvef1#

除非你有自己的理由。所有这些功能在scipy.stats.norm中都可用
我想你要求的是cdf,那么就用这个代码:

from scipy.stats import norm
print(norm.cdf(x, mean, std))
muk1a3rh

muk1a3rh2#

如果你想从头开始写:

class PDF():
    def __init__(self,mu=0, sigma=1):
        self.mean = mu
        self.stdev = sigma
        self.data = []

    def calculate_mean(self):
        self.mean = sum(self.data) // len(self.data)
        return self.mean

    def calculate_stdev(self,sample=True):
        if sample:
            n = len(self.data)-1
        else:
            n = len(self.data)
        mean = self.mean
        sigma = 0
        for el in self.data:
            sigma += (el - mean)**2
        sigma = math.sqrt(sigma / n)
        self.stdev = sigma
        return self.stdev

    def pdf(self, x):
        return (1.0 / (self.stdev * math.sqrt(2*math.pi))) * math.exp(-0.5*((x - self.mean) / self.stdev) ** 2)
ylamdve6

ylamdve63#

x = ax = b的曲线y = f(x)下的面积与从x = ax = bf(x)dx的积分相同。Scipy有一个快速简单的方法来做积分。正如你所理解的,在该区域找到一个点的概率不可能是1,因为这个想法是曲线下的总面积是1(除非它可能是一个δ函数)。所以你应该得到0 ≤ probability of value < 1的任何特定值的兴趣。可能有不同的方法,但传统的方法是沿x轴沿着like this分配置信区间。在继续编码之前,我会阅读高斯曲线和归一化。

相关问题