你好，有兩個辦法：
成都創(chuàng)新互聯(lián)公司專注于企業(yè)營銷型網(wǎng)站建設(shè)、網(wǎng)站重做改版、上饒網(wǎng)站定制設(shè)計、自適應(yīng)品牌網(wǎng)站建設(shè)、html5、商城網(wǎng)站制作、集團公司官網(wǎng)建設(shè)、外貿(mào)網(wǎng)站建設(shè)、高端網(wǎng)站制作、響應(yīng)式網(wǎng)頁設(shè)計等建站業(yè)務(wù)，價格優(yōu)惠性價比高，為上饒等各大城市提供網(wǎng)站開發(fā)制作服務(wù)。
一個是自己寫一個函數(shù)
def Nweibull（a,size, scale）
return scale*numpy.random.weibull(a,size)
另外一個是換一個庫，?用scipy.stats.weibull_min， 他需要三個參數(shù)：
from?scipy.stats?import?weibull_min
n?=?100?????#?number?of?samples
k?=?2.4?????#?shape
lam?=?5??#?scale
x?=?weibull_min.rvs(k,?loc=0,?scale=lam,?size=n)
Python – 伯樂在線
首頁所有文章觀點與動態(tài)基礎(chǔ)知識系列教程實踐項目工具與框架工具資源Python小組伯樂在線 Python - 伯樂在線 所有文章 實踐項目 如何在Python中實現(xiàn)這五類強大的概率分布如何在Python中實現(xiàn)這五類強大的概率分布
2015/04/25 · 實踐項目 · 概率分布
分享到： 12
本文由 伯樂在線 - feigao.me 翻譯，Daetalus 校稿。未經(jīng)許可，禁止轉(zhuǎn)載！
英文出處：。歡迎加入翻譯組。
R編程語言已經(jīng)成為統(tǒng)計分析中的事實標準。但在這篇文章中，我將告訴你在Python中實現(xiàn)統(tǒng)計學(xué)概念會是如此容易。我要使用Python實現(xiàn)一些離散和連續(xù)的概率分布。雖然我不會討論這些分布的數(shù)學(xué)細節(jié)，但我會以鏈接的方式給你一些學(xué)習這些統(tǒng)計學(xué)概念的好資料。在討論這些概率分布之前，我想簡單說說什么是隨機變量（random variable）。隨機變量是對一次試驗結(jié)果的量化。
舉個例子，一個表示拋硬幣結(jié)果的隨機變量可以表示成Python
X = {1 如果正面朝上,
2 如果反面朝上}
12X = {1 如果正面朝上,
2 如果反面朝上}
隨機變量是一個變量，它取值于一組可能的值（離散或連續(xù)的），并服從某種隨機性。隨機變量的每個可能取值的都與一個概率相關(guān)聯(lián)。隨機變量的所有可能取值和與之相關(guān)聯(lián)的概率就被稱為概率分布（probability distributrion）。
我鼓勵大家仔細研究一下scipy.stats模塊。
概率分布有兩種類型：離散（discrete）概率分布和連續(xù)（continuous）概率分布。
離散概率分布也稱為概率質(zhì)量函數(shù)（probability mass function）。離散概率分布的例子有伯努利分布（Bernoulli distribution）、二項分布（binomial distribution）、泊松分布（Poisson distribution）和幾何分布（geometric distribution）等。
連續(xù)概率分布也稱為概率密度函數(shù)（probability density function），它們是具有連續(xù)取值（例如一條實線上的值）的函數(shù)。正態(tài)分布（normal distribution）、指數(shù)分布（exponential distribution）和β分布（beta distribution）等都屬于連續(xù)概率分布。
若想了解更多關(guān)于離散和連續(xù)隨機變量的知識，你可以觀看可汗學(xué)院關(guān)于概率分布的視頻。
二項分布（Binomial Distribution）
服從二項分布的隨機變量X表示在n個獨立的是/非試驗中成功的次數(shù)，其中每次試驗的成功概率為p。
E(X) = np, Var(X) = np(1?p)
如果你想知道每個函數(shù)的原理，你可以在IPython筆記本中使用help file命令。 E(X)表示分布的期望或平均值。
鍵入stats.binom?了解二項分布函數(shù)binom的更多信息。
二項分布的例子：拋擲10次硬幣，恰好兩次正面朝上的概率是多少？
假設(shè)在該試驗中正面朝上的概率為0.3，這意味著平均來說，我們可以期待有3次是硬幣正面朝上的。我定義擲硬幣的所有可能結(jié)果為k = np.arange(0,11)：你可能觀測到0次正面朝上、1次正面朝上，一直到10次正面朝上。我使用stats.binom.pmf計算每次觀測的概率質(zhì)量函數(shù)。它返回一個含有11個元素的列表（list），這些元素表示與每個觀測相關(guān)聯(lián)的概率值。
您可以使用.rvs函數(shù)模擬一個二項隨機變量，其中參數(shù)size指定你要進行模擬的次數(shù)。我讓Python返回10000個參數(shù)為n和p的二項式隨機變量。我將輸出這些隨機變量的平均值和標準差，然后畫出所有的隨機變量的直方圖。
泊松分布（Poisson Distribution）
一個服從泊松分布的隨機變量X，表示在具有比率參數(shù)（rate parameter）λ的一段固定時間間隔內(nèi)，事件發(fā)生的次數(shù)。參數(shù)λ告訴你該事件發(fā)生的比率。隨機變量X的平均值和方差都是λ。
E(X) = λ, Var(X) = λ
泊松分布的例子：已知某路口發(fā)生事故的比率是每天2次，那么在此處一天內(nèi)發(fā)生4次事故的概率是多少？
讓我們考慮這個平均每天發(fā)生2起事故的例子。泊松分布的實現(xiàn)和二項分布有些類似，在泊松分布中我們需要指定比率參數(shù)。泊松分布的輸出是一個數(shù)列，包含了發(fā)生0次、1次、2次，直到10次事故的概率。我用結(jié)果生成了以下圖片。
你可以看到，事故次數(shù)的峰值在均值附近。平均來說，你可以預(yù)計事件發(fā)生的次數(shù)為λ。嘗試不同的λ和n的值，然后看看分布的形狀是怎么變化的。
現(xiàn)在我來模擬1000個服從泊松分布的隨機變量。
正態(tài)分布（Normal Distribution）
正態(tài)分布是一種連續(xù)分布，其函數(shù)可以在實線上的任何地方取值。正態(tài)分布由兩個參數(shù)描述：分布的平均值μ和方差σ2 。
E(X) = μ, Var(X) = σ2
正態(tài)分布的取值可以從負無窮到正無窮。你可以注意到，我用stats.norm.pdf得到正態(tài)分布的概率密度函數(shù)。
β分布（Beta Distribution）
β分布是一個取值在 [0, 1] 之間的連續(xù)分布，它由兩個形態(tài)參數(shù)α和β的取值所刻畫。
β分布的形狀取決于α和β的值。貝葉斯分析中大量使用了β分布。
當你將參數(shù)α和β都設(shè)置為1時，該分布又被稱為均勻分布（uniform distribution）。嘗試不同的α和β取值，看看分布的形狀是如何變化的。
指數(shù)分布（Exponential Distribution）
指數(shù)分布是一種連續(xù)概率分布，用于表示獨立隨機事件發(fā)生的時間間隔。比如旅客進入機場的時間間隔、打進客服中心電話的時間間隔、中文維基百科新條目出現(xiàn)的時間間隔等等。
我將參數(shù)λ設(shè)置為0.5，并將x的取值范圍設(shè)置為 $[0, 15]$ 。
接著，我在指數(shù)分布下模擬1000個隨機變量。scale參數(shù)表示λ的倒數(shù)。函數(shù)np.std中，參數(shù)ddof等于標準偏差除以 $n-1$ 的值。
結(jié)語（Conclusion）
概率分布就像蓋房子的藍圖，而隨機變量是對試驗事件的總結(jié)。我建議你去看看哈佛大學(xué)數(shù)據(jù)科學(xué)課程的講座，Joe Blitzstein教授給了一份摘要，包含了你所需要了解的關(guān)于統(tǒng)計模型和分布的全部。
python中eval函數(shù)作用是計算字符串中有效的表達式，并返回結(jié)果。將字符串轉(zhuǎn)成相應(yīng)的對象（如list、tuple、dict和string之間的轉(zhuǎn)換）。利用反引號轉(zhuǎn)換的字符串再反轉(zhuǎn)回對象。
eval()函數(shù)用來執(zhí)行一個字符串表達式，并返回表達式的值。eval函數(shù)功能：將字符串str當成有效的表達式來求值并返回計算結(jié)果。eval函數(shù)可以實現(xiàn)list、dict、tuple與str之間的轉(zhuǎn)化。
Python語言的介紹
Python是一種計算機程序設(shè)計語言，由吉多·范羅蘇姆創(chuàng)造，第一版發(fā)布于1991年，可以視之為一種改良的LISP。Python的設(shè)計哲學(xué)強調(diào)代碼的可讀性和簡潔的語法。相比于C++或Java，Python讓開發(fā)者能夠用更少的代碼表達想法。
Python語言的簡潔性、易讀性以及可擴展性，在國外用Python做科學(xué)計算的研究機構(gòu)日益增多，一些知名大學(xué)已經(jīng)采用Python來教授程序設(shè)計課程。
引入相關(guān)模塊，這次我們使用stats的
產(chǎn)生兩列隨機變量，用到了stats。norm.rvs，參數(shù)loc表示平均數(shù)，scale表示標準差，size是樣本量這是產(chǎn)生的兩個變量的數(shù)據(jù)的一部分
ttest_rel的用法：輸出t和p值從p值可以看出，這兩列數(shù)據(jù)是沒有差異的。
當然，ttest_rel還可以接受pandas.DataFrame數(shù)據(jù)，先從excel中讀取數(shù)據(jù)我們可以看一下數(shù)據(jù)的基本內(nèi)容：
我們可以選擇scoreA和ScoreB這兩列數(shù)據(jù)進行T檢驗輸出的結(jié)果可見兩列變量均值無差異
我們還可以同時對多個變量進行檢驗，比如：這是產(chǎn)生的結(jié)果可見：第一個array表示t值，兩個表示p值，因此我們可以知道p(scoreA)=0.1260.05
Python range()函數(shù)可創(chuàng)建一個整數(shù)列表，一般用在for循環(huán)中。
注意：Python3 range()返回的是一個可迭代對象，類型是對象，而不是列表類型，所以打印的時候不會打印列表。
函數(shù)語法：
range(start,stop[,step])
參數(shù)說明：
start：計數(shù)從start開始。默認是從0開始。例如range(5)等價于range(0,5);
stop：計數(shù)到stop結(jié)束，但不包括stop。例如：range(0,5)是[0,1,2,3,4]沒有5;
step：步長，默認為1。例如：range(0,5)等價于range(0,5,1)。
實例：
range(10) # 從 0 開始到 9
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
range(1, 11) # 從 1 開始到 10
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
range(0, 30, 5) # 步長為 5
[0, 5, 10, 15, 20, 25]
range(0, 10, 3) # 步長為 3
[0, 3, 6, 9]
range(0, -10, -1) # 負數(shù)
[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]
range(0)
[]
range(1, 0)
[]
以下是range在for中的使用，循環(huán)出runoob的每個字母：
x = 'runoob'
for i in range(len(x)) :
... print(x[i])
...
r
u
n
o
o
b
python中range()函數(shù)的用法：
（1）range(stop)
創(chuàng)建一個（0,stop)之間的整數(shù)序列，步長為1。
（2）range(start,stop)
創(chuàng)建一個（start,stop)之間的整數(shù)序列，步長為1。
（3）range(start,stop,step)
創(chuàng)建一個[start,stop)之間的整數(shù)序列，步長為step。
參數(shù)介紹：
start：表示從返回序列的起始編號，默認情況下從0開始。
stop：表示生成最多但不包括此數(shù)字的數(shù)字。
step：指的是序列中每個數(shù)字之間的差異，默認值為1。
相關(guān)介紹
range()是Python的內(nèi)置函數(shù)，在用戶需要執(zhí)行特定次數(shù)的操作時使用它，表示循環(huán)的意思。內(nèi)置函數(shù)range()可用于以列表的形式生成數(shù)字序列。在range()函數(shù)中最常見用法是使用for和while循環(huán)迭代序列類型（List，string等）。
簡單的來說，range()函數(shù)允許用戶在給定范圍內(nèi)生成一系列數(shù)字。根據(jù)用戶傳遞給函數(shù)的參數(shù)數(shù)量，用戶可以決定該系列數(shù)字的開始和結(jié)束位置以及一個數(shù)字與下一個數(shù)字之間的差異有多大。
重慶分公司
重慶分公司
