Python数学实验 课件 第6章python在概率统计中的应用.pptxVIP

Python数学实验第6章Python在概率统计中的应用Python数学实验·随机变量的概率计算和数字特征·描述性统计和统计图·参数估计和假设检验

主要内容随机变量的概率计算和数字特征描述性统计和统计图参数估计和假设检验本章小结

6.1随机变量的概率计算和数字特征6.1.16.1.26.1.3………◎………0……◎随机变量的概率计算及常见概率分布随机变量数字特征简介随机变量数字特征计算及应用

6.1.1随机变量的概率计算及常见概率分布【例6.1】独立射击500次，每次命中率为0.02,求命中次数为10次的概率.在Anaconda内建的Spyder集成开发环境中输入代码6.1.代码6.1二项分布随机变量等于某个数的概率计算程序1importmath2defbinomial_sistribution(p,n,x):3c=math.factorial(n)/math.factorial(n-x)/math.factorial(x)#调用math#创建函数#计算组合数c4returnc*(p**x)*((1-p)**(n-x))5print(binomial_sistribution(0.02,500,10))代码6.1运行的结果为0.12637979106892916#计算二项分布概率#打印概率值

6.1.1随机变量的概率计算及常见概率分布【例6.2】独立射击100次，每次命中率为0.1,求命中次数不小于10次的概率.在Anaconda内建的Spyder集成开发环境中输入代码6.2.代码6.2二项分布随机变量大于某数的概率计算程序1importmath2defbinomial_distribution_morethan(p,n,x):3count=0#调用math#创建二项分布#定义变量初始值4foriinrange(x,n,1):#for循环让i在range(x,n,1)中遍历取值5c=math.factorial(n)/math.factorial(n-i)/math.factorial(i)#计算组合数c6count+=c*(p**i)*((1-p)**(n-i))#计算概率并求和

6.1.1随机变量的概率计算及常见概率分布7returncount8print(binomial_distribution_morethan(0.1,100,10))代码6.2运行的结果为0.5487098345579977【例6.3】设随机变量X的概率密度函数为#返回值#打印求概率在Anaconda内建的Spyder集成开发环境中输入代码6.3.代码6.3一维连续型随机变量的概率计算程序

6.1.1随机变量的概率计算及常见概率分布1fromsympyimport*2x=symbols(x)3f=2*(1-x)4print(integrate(f,(x,1/8,1)))代码6.3运行的结果为0.765625#导入计算积分的模块包#定义一个符号变量#定义一个函数#计算概率值并打印【例6.4】设连续型随机变量X的概率密度函数为

6.1.1随机变量的概率计算及常见概率分布求(1)P(-1X1);(2)因在Anaconda内建的Spyder集成开发环境中输入代码6.4.代码6.4一维连续型随机变量的概率计算程序1importsympyassp2x=sp.symbols(x)3f1=(x+2)/44f2=(1/2)*sp.cos(x)5p1=sp.integrate(f1,(x,-1,0))+sp.integrate(f2,(x,0,1)#导入sympy记作sp#定义变量#输入函数f1#输入函数f2#用p1表示定积分，输入：函数，(自变量，下限，上限)

6.1.1随机变量的概率计算及常见概率分布6print(P(-1X1)计算结果为：%s%p1)#打印P(-1X1)计算结果为：%s7p2=sp.integrate(f2,(