8.1 사이파이를 이용한 확률분포 분석

확률분포 클래스

• 이산
  • 베르누이분포
  • 이항분포
  • 다항분포
• 연속
  • 균일분포
  • 정규분포
  • 베타분포
  • 감마분포
  • 스튜던트 t분포
  • 카이 제곱분포
  • F분포
  • 디리클리분포
  • 다변수 정규분포

모수 지정

• 모수(parameter): 확률분포 객체를 생성할 때 분포의 형상을 구체적으로 지정 (기대값, 표준편차)

변환 확률변수의 시뮬레이션

• cf) 0과 1 사이의 균일분포를 가지는 확률변수에서 두 표본값을 생성하여 이 두 값을 합하면 균일분포가 아닌 1에서 최빈값을 가지는 삼각형 모양의 분포가 됨

연습문제

• 8.1.1

  1.  rv = sp.stats.norm(loc=0, scale=0.1)
      xx = np.linspace(-8, 8, 100)
      pdf = rv.pdf(xx)
      plt.plot(xx, pdf)
      plt.title("확률밀도함수 ")
      plt.xlabel("$x$")
      plt.ylabel("$p(x)$")
      plt.show()
     

  2. max(pdf)
            
     # 2.8781544236067225
     

• 8.1.2

  • rv = sp.stats.norm(loc=1, scale=2)
    print(sp.mean(rv.rvs(size=1000, random_state=17)))
    print(sp.var(rv.rvs(size=1000, random_state=17), ddof=0))
          
    # 1.0428874436834124
    # 4.148888780605581
    

• 8.1.3

  • rv0 = sp.stats.uniform()
    rv1 = sp.stats.uniform()
    rv2 = sp.stats.uniform()
    rv3 = sp.stats.uniform()
    rv4 = sp.stats.uniform()
    rv5 = sp.stats.uniform()
    rv6 = sp.stats.uniform()
    rv7 = sp.stats.uniform()
    rv8 = sp.stats.uniform()
    rv9 = sp.stats.uniform()
          
    np.random.seed(17)
    N = 1000
    x_0 = rv0.rvs(N)
    x_1 = rv1.rvs(N)
    x_2 = rv2.rvs(N)
    x_3 = rv3.rvs(N)
    x_4 = rv4.rvs(N)
    x_5 = rv5.rvs(N)
    x_6 = rv6.rvs(N)
    x_7 = rv7.rvs(N)
    x_8 = rv8.rvs(N)
    x_9 = rv9.rvs(N)
    x_10 = x_0 + x_1 + x_2 + x_3 + x_4 + x_5 + x_6 + x_7 + x_8 + x_9
        
    plt.figure(figsize=(12, 5))
    sns.distplot(x_10, kde=False)
    plt.title("균일분포 표본의 합의 분포")
    plt.xlabel("표본값")
    plt.xlim(2, 8)
    plt.show()
    

이 글은 ‘데이터 사이언스 스쿨 수학편’을 정리한 것입니다. 질문이나 오류가 있다면 댓글 남겨주세요.