Python 中的二项分布

1. 在 Python 中使用 numpy.random.binomial() 函数创建二项分布
2. 在 Python 中使用 scipy.stats.binom.pmf() 函数创建二项式概率分布

二项分布是概率和统计的基本概念。当成功和失败的概率已知时，它表示给定数量的独立实验的实际结果。仅当一个单独的事件（例如抛硬币）恰好可能出现 2 个结果时，才有可能。其数学公式如下所示。

本教程将演示如何在 Python 中创建二项分布。

在 Python 中使用 numpy.random.binomial() 函数创建二项分布

numpy 模块可以在 numpy 数组中生成一系列随机值。我们可以使用 numpy.random.binomial() 函数返回此分布的样本。

我们可以指定试验次数 (n)、成功概率 (p) 和最终输出的大小 (size) 作为函数中的参数。

例如，

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

输出：

[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，每个值表示在成功概率为 0.7 的 5 次试验期间事件发生的次数。对大小为 20 的样本重复此操作。

我们也可以使用 seaborn.distplot() 函数来绘制它。

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()

输出：

在 Python 中使用 scipy.stats.binom.pmf() 函数创建二项式概率分布

scipy.stats.binom.pmf() 函数返回某些给定值的二项式概率。我们可以使用它来创建二项式概率的分布。

它与以前的分布不同。我们将循环创建此分布所需的成功次数。

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()

输出：