Python 中的二項分佈

1. 在 Python 中使用 numpy.random.binomial() 函式建立二項分佈
2. 在 Python 中使用 scipy.stats.binom.pmf() 函式建立二項式概率分佈

二項分佈是概率和統計的基本概念。當成功和失敗的概率已知時，它表示給定數量的獨立實驗的實際結果。僅當一個單獨的事件（例如拋硬幣）恰好可能出現 2 個結果時，才有可能。其數學公式如下所示。

本教程將演示如何在 Python 中建立二項分佈。

在 Python 中使用 numpy.random.binomial() 函式建立二項分佈

numpy 模組可以在 numpy 陣列中生成一系列隨機值。我們可以使用 numpy.random.binomial() 函式返回此分佈的樣本。

我們可以指定試驗次數 (n)、成功概率 (p) 和最終輸出的大小 (size) 作為函式中的引數。

例如，

import numpy as np
a = np.random.binomial(n = 5, p = 0.7, size = 20)
print(a)

輸出：

[5 4 2 3 2 4 4 3 3 3 4 2 3 4 3 4 5 5 2 2]

在上面的示例中，每個值表示在成功概率為 0.7 的 5 次試驗期間事件發生的次數。對大小為 20 的樣本重複此操作。

我們也可以使用 seaborn.distplot() 函式來繪製它。

例如，

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
a = np.random.binomial(n = 5, p = 0.7, size = 20)
sns.distplot(a, hist=True, kde=False)
plt.show()

輸出：

在 Python 中使用 scipy.stats.binom.pmf() 函式建立二項式概率分佈

scipy.stats.binom.pmf() 函式返回某些給定值的二項式概率。我們可以使用它來建立二項式概率的分佈。

它與以前的分佈不同。我們將迴圈建立此分佈所需的成功次數。

例如，

from scipy.stats import binom
n = 5
p = 0.7
s = list(range(n + 1))
a = [binom.pmf(r, n, p) for r in s]
print(a)
sns.distplot(a, hist=True, kde=False)
plt.show()

輸出：