python样本期望值_机器学习中的概率论与梳理统计（Python实现数学期望、方差等）...

一、概率论数理统计常见的统计量Python实现总结

1、求数学期望

#coding=utf-8

importnumpy asnp

arr = [1,2,3,4,5,6]

#1、数学期望(俗称平均值)

num_avg = np.mean(arr)

print(num_avg)

2、求方差、标准差

#coding=utf-8

importnumpy asnp

arr = [1,2,3,4,5,6]

# 求方差

num_var = np.var(arr)

print(num_var)

# 求标准差

num_std = np.std(arr,ddof=1)

print(num_std)

3、求协方差

#coding=utf-8

importnumpy asnp

#求协方差

x=np.array([[1 ,2 ,3] ,

[2 ,5 ,6 ],

[ 7 ,8 ,9],

[ 11 ,11 ,12]])

cov_xy = np.cov(x)

print(cov_xy)

二、求相关系数的Python实现总结

1、公式法

#coding=utf-8

importnumpy

importpandas

X = [1,2,3,4,5]

Y = [1.01 , 2.02 , 3.03 ,4.04 , 5.05]

# 均值

XMean = numpy.mean(X)

YMean = numpy.mean(Y)

#标准差

XSD = numpy.std(X)

YSD = numpy.std(Y)

#z分数

ZX = (X-XMean)/XSD

ZY = (Y-YMean)/YSD#相关系数

r = numpy.sum(ZX*ZY)/(len(X))

print(r)

2、通过numpy的corrcoef方法计算相关性系数

#coding=utf-8

importnumpy

X = [10.11, 20.11, 33.11]

Y = [10.22, 20.22, 30.22 ]

t=numpy.corrcoef(X,Y)