python简单实现最大似然估计

1、scipy库的安装

wim+R输入cmd，然后cd到python的pip路径，即安装：pip install scipy即可

2、导入scipy库

from scipy.sats import norm

导入scipy.sats中的norm

3、案例分析

from scipy.stats import normimport matplotlib.pyplot as pltimport numpy as np'''norm.cdf 返回对应的累计分布函数值norm.pdf 返回对应的概率密度函数值norm.rvs 产生指定参数的随机变量norm.fit 返回给定数据下，各参数的最大似然估计（MLE）值'''x_norm = norm.rvs(size=200)#在这组数据下，正态分布参数的最大似然估计值x_mean, x_std = norm.fit(x_norm)print ('mean, ', x_mean)print ('x_std, ', x_std)plt.hist(x_norm, normed=True, bins=15)#归一化直方图（用出现频率代替次数），将划分区间变为 20（默认 10）x = np.linspace(-3,3,50)#在在(-3,3)之间返回均匀间隔的50个数字。plt.plot(x, norm.pdf(x), 'r-')plt.show()

运行如下：

补充知识：python hypergeom.cdf函数理解

导入函数

hypergeom.cdf函数是scipy库中的。

from scipy.stats import hypergeom

含义

与scipy帮助文档中的字母定义一致，即用hypergeom.cdf(k,M,n,N)来解释该函数的用法。

hypergeom是用于计算超几何分布的，其中cdf表示的是累计分布函数。这里用超几何分布的一般意义来解释，hypergeom.cdf表示：总共有M件产品，n件次品，从M件中随机挑出N件，这N件中最多包含n件中的k件的概率（也可以理解为M-n件产品中至少选到N-k件的概率）。

以上这篇python简单实现最大似然估计&scipy库的使用详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。