Python Scipy.stats 用法 | rvs pdf pmf用法

scipy.stats #生成指定分布
scipy.stats.poisson.rvs(loc=期望, scale=标准差, size=生成随机数的个数) #从泊松分布中生成指定个数的随机数

正态分布在x处的概率密度函数的函数值f(x)
scipy.stats.norm.pdf(x, loc=期望, scale=标准差)
scipy.stats.norm.pmf(x, loc=期望, scale=标准差) #pdf目前改为pmf

stats连续型随机变量的公共方法

名称：备注
rvs：产生服从指定分布的随机数
pdf：概率密度函数
cdf：累计分布函数
sf：残存函数（1-CDF）
ppf：分位点函数（CDF的逆）
isf：逆残存函数（sf的逆）
fit：对一组随机取样进行拟合，最大似然估计方法找出最适合取样数据的概率密度函数系数。
*离散分布的简单方法大多数与连续分布很类似，但是pdf被更换为密度函数pmf。

常见分布 stats.

名称：含义
beta：beta分布
f：F分布
gamma：gam分布
poisson：泊松分布
hypergeom：超几何分布
lognorm：对数正态分布
binom：二项分布
uniform：均匀分布
chi2：卡方分布
cauchy：柯西分布
laplace：拉普拉斯分布
rayleigh：瑞利分布
t：学生T分布
norm：正态分布
expon：指数分布

参考 https://blog.csdn.net/u011702002/article/details/78245804