用于计算随机变量概率的 Python 代码

概述

本代码示例演示了如何使用 Python 计算随机变量的概率。通过设置不同的分布函数参数，您可以生成随机变量并计算其概率密度函数（PDF）和累积分布函数（CDF）。

代码示例

import scipy.stats as stats
import matplotlib.pyplot as plt

# 设置概率分布函数的参数
mean = 0  # 均值
std = 1   # 标准差

# 创建一个正态分布对象
rv = stats.norm(loc=mean, scale=std)

# 生成随机变量样本
sample = rv.rvs(size=1000)

# 计算随机变量的概率密度函数（PDF）
pdf_values = rv.pdf(sample)

# 绘制随机变量的概率密度函数图形
plt.plot(sample, pdf_values, label='PDF')
plt.xlabel('随机变量')
plt.ylabel('概率密度')
plt.title('随机变量的概率密度函数（PDF）')
plt.legend()
plt.show()

# 计算随机变量的累积分布函数（CDF）
cdf_values = rv.cdf(sample)

# 绘制随机变量的累积分布函数图形
plt.plot(sample, cdf_values, label='CDF')
plt.xlabel('随机变量')
plt.ylabel('累积概率')
plt.title('随机变量的累积分布函数（CDF）')
plt.legend()
plt.show()

说明

1. 首先，我们导入了 scipy.stats 模块来使用内置的概率分布函数。
2. 然后，我们设置概率分布函数的参数。在本示例中，我们使用了正态分布，设置了均值和标准差。
3. 接下来，我们创建了一个正态分布对象 rv，并使用 rvs 方法生成了包含 1000 个随机变量的样本。
4. 我们使用 rv 对象的 pdf 方法计算随机变量的概率密度函数（PDF）。
5. 使用 matplotlib.pyplot 库绘制随机变量的概率密度函数图形。
6. 然后，我们使用 rv 对象的 cdf 方法计算随机变量的累积分布函数（CDF）。
7. 再次使用 matplotlib.pyplot 库绘制随机变量的累积分布函数图形。

以上代码示例演示了如何计算随机变量概率，并绘制概率密度函数（PDF）和累积分布函数（CDF）的图形。根据您的需求，您可以调整分布函数的参数、样本的大小以及绘图的自定义选项。