分布函数

1.rdf的in文件编写： 2.计算结果文件： 来源： https://www.cnblogs.com/sysu/p/11545391.html

sklearn实战-乳腺癌细胞数据挖掘 (博客主亲自录制视频教程，QQ：231469242) https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share 累积分布函数（cumulative distribution function）定义：对连续函数，所有小于等于a的值，其出现概率的和。F(a)=P(x<=a) python statsmodels包支持计算和绘制累积分布函数 import numpy as np import statsmodels.api as sm # recommended import according to the docs import matplotlib.pyplot as plt sample = np.random.uniform(0, 1, 50) ecdf = sm.distributions.ECDF(sample) #等差数列，用于绘制X轴数据 x = np.linspace(min(sample), max(sample)) # x轴数据上值对应的累计密度概率 y = ecdf(x) #绘制阶梯图 plt.step(x,

目录 1、0-1分布（两点分布、伯努利分布） 2、几何分布 3、二项分布 4、高斯分布（正态分布） 5、卡方分布 （chi-square distribution） 6、t分布 单个二值型离散随机变量的分布，概率分布函数： 2、几何分布 离散型概率分布，定义为：n次伯努利试验中，试验k次才能得到一次成功的机率。即前k-1次皆失败，第k次成功的概率。 概率分布函数： 3、二项分布 n次伯努利试验，各次试验之间相互独立，每次试验只有两种可能（抛硬币），相互对立。设事件发生的概率是P，不发生的概率是1-P，n次重复独立试验中发生K次的概率： 4、高斯分布（正态分布） 随机变量X服从数学期望为μ，方差为σ2的正态分布，记为N(μ，σ2)。 μ决定正态分布的位置。 标准差决定正态分布的幅度。 性质： 标准正态分布：μ=0，σ=1。 性质： Φ(x)=1-Φ(-x) 5、卡方分布 （chi-square distribution） 若n个相互独立的随机变量ξ₁，ξ₂，...,ξn ，均服从 标准正态分布 N(0,1) （也称独立同分布于标准 正态分布 ），则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量，其分布规律称为卡方分布（chi-square distribution）。 随机变量 ： 记为： 其中参数 称为 自由度 ，自由度不同就是另一个 分布。