numpy-随机抽样

离散型：

• 二项分布
  
  【例】野外正在进行9（n=9）口石油勘探井的发掘工作，每一口井能够开发出油的概率是 0.1（p=0.1）。请问，最终所有的勘探井都勘探失败的概率？

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

np.random.seed(20200605)
n=9#次数
p=0.1#成功概率
size=50000
x=np.random.binomial(n,p,size)
#为零的概率
print(np.sum(x==0)/size)
plt.hist(x)#作直方图所要用的数据，必须是一维数组。多维数组可以先进行扁平化再作图
plt.xlabel('随机变量：成功次数')
plt.ylabel('样本中出现的次数')
plt.show()
s=stats.binom.pmf(range(10),n,p)
print(np.around(s,3))

hist函数使用链接

• 泊松分布
  泊松分布主要用于估计某个时间段某件时间发生的概率
  【例】假定某航空公司预定票处平均每小时接到42次订票电话，那么10分钟内恰好接到6次电话的概 率是多少？

import numpy as np
from scipy import stats
import matplotlib.pyplot as plt

np.random.seed(20200605)
lam = 42 / 6
# 平均值：平均每十分钟接到42/6次订票电话
size = 50000
x = np.random.poisson(lam, size)
'''或者 
#模拟服从泊松分布的50000个随机变量 
x = stats.poisson.rvs(lam,size=size) '''
print(np.sum(x == 6) / size)
# 0.14988
plt.hist(x)
plt.xlabel('随机变量：每十分钟接到订票电话的次数')
plt.ylabel('50000个样本中出现的次数')
plt.show()
#用poisson.pmf(k, mu)求对应分布的概率:概率质量函数 (PMF)
x = stats.poisson.pmf(6, lam)
print(x) # 0.14900277967433773

• 超几何分布
  【例】一共20只动物里有7只是狗，抽取12只有3只狗的概率（无放回抽样）。

import  numpy as np
from scipy import stats
import matplotlib.pyplot as plt

np.random.seed(20200605)
size=500000
x=np.random.hypergeometric(ngood=7,nbad=13,nsample=12,size=size)
print(np.sum(x==3)/size)
plt.hist(x,bins=8)
plt.xlabel('狗的数量')
plt.ylabel('50000个样本中出现的次数')
plt.title('超几何分布',fontsize=20)
plt.show()

x = range(8)
#用hypergeom.pmf(k, M, n, N, loc)来计算k次成功的概率
s = stats.hypergeom.pmf(k=x, M=20, n=7, N=12)
print(np.round(s, 3))

连续型随机变量

• 均匀分布