这篇文章将为大家详细讲解有关怎么理解python中的二项分布，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
创新互联建站主要为客户提供服务项目涵盖了网页视觉设计、VI标志设计、成都全网营销、网站程序开发、HTML5响应式网站建设、手机网站制作、微商城、网站托管及成都网站维护公司、WEB系统开发、域名注册、国内外服务器租用、视频、平面设计、SEO优化排名。设计、前端、后端三个建站步骤的完善服务体系。一人跟踪测试的建站服务标准。已经为成都办公窗帘行业客户提供了网站设计服务。
Python主要应用于：1、Web开发；2、数据科学研究；3、网络爬虫；4、嵌入式应用开发；5、游戏开发；6、桌面应用开发。
在我们生活中，抛出硬币无非是落下是正面或反面，类似于成功或失败的这样的只有两个可能结果的分布背称为二项分布。二项分布在我们的生活中无所不在，是概率统计中非常基础、非常实用的一种分布，本文介绍python中的二项分布。
1、二项分布是什么？
二项分布（Binomial Distribution）是概率统计中非常基础、非常实用的一种分布。
二项式分布就是只有两个可能结果的分布，比如成功或失败。
说明现象：在给定的试验次数中，某一结果会发生多少次。
2、二项分布应用
博彩行业的规则设定
正常值范围的设定（例：医疗行业）
3、使用python中scipy.stats模块操作二项分布
抛掷10次硬币，假设在该试验中正面朝上的概率为0.3。
使用stats.binom.pmf计算每次观测的概率质量函数。
import numpy as np import matplotlib.pyplot as plt from scipy import stats plt.subplot(121) n = 10 p = 0.3 k = np.arange(0, 30) binomial = stats.binom.pmf(k, n, p) plt.plot(k, binomial, 'o-') #使用rvs函数模拟一个二项随机变量，其中参数size指定你要进行模拟的次数，这里为10000次。 plt.subplot(122) binom_sim = data = stats.binom.rvs(n=10, p=0.3, size=10000) print "Mean: %g" % np.mean(binom_sim) print "Sd: %g" % np.std(binom_sim, ddof=1) plt.hist(binom_sim, bins=10, normed=True) plt.show()
输出
Mean: 2.9956 Sd: 1.44187
关于“怎么理解python中的二项分布”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。