SciPy - Stats
所有统计函数都位于子包 scipy.stats 中,可以使用 info(stats) 函数获取这些函数的相当完整的列表。还可以从 stats 子包的 docstring 中获取可用的随机变量列表。此模块包含大量概率分布以及不断增长的统计函数库。
每个单变量分布都有自己的子类,如下表 − 所述
Sr. No. | Class &描述 |
---|---|
1 | rv_continuous 用于子类化的通用连续随机变量类 |
2 | rv_discrete 用于子类化的通用离散随机变量类 |
3 | rv_histogram 生成由直方图给出的分布 |
正态连续随机变量
随机变量 X 可以取任意值的概率分布是连续随机变量。位置 (loc) 关键字指定平均值。尺度 (scale) 关键字指定标准偏差。
作为 rv_continuous 类的一个实例,norm 对象从中继承了一组通用方法,并使用特定于此特定分布的细节来完成它们。
要计算多个点的 CDF,我们可以传递一个列表或一个 NumPy 数组。让我们考虑以下示例。
from scipy.stats import norm import numpy as np print norm.cdf(np.array([1,-1., 0, 1, 3, 4, -2, 6]))
上述程序将生成以下输出。
array([ 0.84134475, 0.15865525, 0.5 , 0.84134475, 0.9986501 , 0.99996833, 0.02275013, 1. ])
要找到分布的中位数,我们可以使用百分点函数 (PPF),它是 CDF 的倒数。让我们使用以下示例来理解。
from scipy.stats import norm print norm.ppf(0.5)
上述程序将生成以下输出。
0.0
要生成随机变量序列,我们应该使用 size 关键字参数,如以下示例所示。
from scipy.stats import norm print norm.rvs(size = 5)
上述程序将生成以下输出。
array([ 0.20929928, -1.91049255, 0.41264672, -0.7135557 , -0.03833048])
上述输出不可重现。要生成相同的随机数,请使用种子函数。
均匀分布
可以使用均匀函数生成均匀分布。让我们考虑以下示例。
from scipy.stats import uniform print uniform.cdf([0, 1, 2, 3, 4, 5], loc = 1, scale = 4)
上述程序将生成以下输出。
array([ 0. , 0. , 0.25, 0.5 , 0.75, 1. ])
构建离散分布
让我们生成一个随机样本,并将观察到的频率与概率进行比较。
二项分布
作为 rv_discrete 类 的一个实例,binom 对象 从中继承了一组通用方法,并用具体细节完成它们对于这个特定的分布。让我们考虑以下示例。
from scipy.stats import uniform print uniform.cdf([0, 1, 2, 3, 4, 5], loc = 1, scale = 4)
上述程序将生成以下输出。
array([ 0. , 0. , 0.25, 0.5 , 0.75, 1. ])
描述性统计
最小值、最大值、平均值和方差等基本统计信息将 NumPy 数组作为输入并返回相应的结果。下表介绍了 scipy.stats 包 中可用的几个基本统计函数。
Sr. No. | 函数 &描述 |
---|---|
1 | describe() 计算传递的数组的几个描述性统计数据 |
2 | gmean() 沿指定轴计算几何平均值 |
3 | hmean() 沿指定轴计算调和平均值 |
4 | kurtosis() 计算峰度 |
5 | mode() 返回众数值 |
6 | skew() 测试数据的偏度 |
7 | f_oneway() 执行单因素方差分析 |
8 | iqr() 沿指定方向计算数据的四分位距axis |
9 | zscore() 计算样本中每个值相对于样本平均值和标准差的 z 分数 |
10 | sem() 计算输入数组中值的平均值的标准误差(或测量的标准误差) |
这些函数中的几个在 scipy.stats.mstats 中都有类似的版本,适用于掩码数组。让我们通过下面给出的示例来理解这一点。
from scipy import stats import numpy as np x = np.array([1,2,3,4,5,6,7,8,9]) print x.max(),x.min(),x.mean(),x.var()
上述程序将生成以下输出。
(9, 1, 5.0, 6.666666666666667)
T 检验
让我们了解 T 检验在 SciPy 中的作用。
ttest_1samp
计算一组分数平均值的 T 检验。这是针对零假设的双侧检验,即独立观测样本"a"的预期值(平均值)等于给定的总体平均值 popmean。让我们考虑以下示例。
from scipy import stats rvs = stats.norm.rvs(loc = 5, scale = 10, size = (50,2)) print stats.ttest_1samp(rvs,5.0)
上述程序将生成以下输出。
Ttest_1sampResult(statistic = array([-1.40184894, 2.70158009]), pvalue = array([ 0.16726344, 0.00945234]))
比较两个样本
在以下示例中,有两个样本,它们可以来自相同或不同的分布,我们想要测试这些样本是否具有相同的统计特性。
ttest_ind − 计算两个独立分数样本的平均值的 T 检验。这是对两个独立样本具有相同平均值(预期值)的零假设的双侧检验。该检验默认假设总体具有相同的方差。
如果我们观察到来自相同或不同总体的两个独立样本,我们可以使用此检验。让我们考虑以下示例。
from scipy import stats rvs1 = stats.norm.rvs(loc = 5,scale = 10,size = 500) rvs2 = stats.norm.rvs(loc = 5,scale = 10,size = 500) print stats.ttest_ind(rvs1,rvs2)
上述程序将生成以下输出。
Ttest_indResult(statistic = -0.67406312233650278, pvalue = 0.50042727502272966)
您可以使用长度相同但平均值不同的新数组进行相同测试。在 loc 中使用不同的值并进行相同测试。