如何计算正态分布中给定均值和标准差的概率？
nd = NormalDistribution(mu=100, std=12)
p = nd.prob(98)
numpy有一个random.normal函数，但它就像抽样一样，不是我想要的。
共有1个答案
>>> import scipy.stats
>>> scipy.stats.norm(0, 1)
<scipy.stats.distributions.rv_frozen object at 0x928352c>
>>> scipy.stats.norm(0, 1).pdf(0)
0.3989422804014327
>>> scipy.stats.norm(0, 1).cdf(0)
0.5
>>> scipy.stats.norm(100, 12)
<scipy.stats.distributions.rv_frozen object at 0x928352c>
>>> scipy.stats.norm(100, 12).pdf(98)
0.032786643008494994
>>> scipy.stats.norm(100, 12).cdf(98)
0.43381616738909634
>>> scipy.stats.norm(100, 12).cdf(100)
0.5
-
问题内容： 这是我的问题，我有一个像这样的数据框： 我只想计算整个数据帧的平均值，因为以下方法不起作用： 然后我想出了： 但是，此技巧不适用于计算标准偏差。我最后的尝试是： 除了在后一种情况下，它使用了numpy中的mean（）和std（）函数。这不是平均值的问题，而是std的问题，因为pandas函数默认使用，而不是numpy的where 。 问题答案： 您可以将数据框转换为单列（将形状从5x3
-
问题内容： 我有一个元组列表[（val1，freq1），（val2，freq2）....（valn，freqn）]。我需要获得上述数据的集中趋势的度量（均值，中位数）和偏差的度量（方差，均值）。我还想绘制一个值的箱形图。 我看到numpy数组有直接的方法可以从值列表中获取均值/中位数和标准差（或方差）。 numpy（或任何其他知名的库）是否有直接方法可对这种频率分布表进行操作？ 另外，以编程方式将
-
我统一生成了随机数。现在我想使用高斯（正态分布）生成随机数。我不知道均值和标准差。我看过这篇文章:http://www.johndcook.com/cpp_tr1_random.html#normal,但它需要一个均值和标准差！我也知道Box-Muller变换是常用的。这正确地产生了正态分布的值。但我又不知道均值和标准偏差。请不要刺激。有人能帮忙吗？
-
假定最小=0.00，最大=1400.00，均值=150.50，标准差=25.00，如何根据这些统计数据产生随机值？根据我的理解，这个图是一个斜图，但是我不太确定它是否是一个对数正态分布。然而，从我目前的理解来看，下面的代码返回的值来自正态分布。
-
示例数据： 我想计算每个唯一列名称的平均值和标准偏差（忽略NA）以获得如下输出： 可再现数据: 我得到的最接近的是 这是我从这篇文章中得到的，但我不知道如何调整它来得到我想要的。我知道我可以取rowmeans的平均值来得到每组的平均值，但这不适用于标准差。
-
问题内容： 有没有一种方法可以使用Boost计算包含样本的向量的均值和标准差？ 还是我必须创建一个累加器并将向量馈入其中？ 问题答案： 使用累加器 是 在Boost中计算均值和标准差的方法。