用python做概率统计的例子
常见问答
如何使用Python计算概率分布？
我想用Python来计算离散型随机变量的概率分布，有哪些常用的方法或库可以实现？
利用SciPy和NumPy实现概率分布计算
可以使用Python中的SciPy和NumPy库来计算概率分布。NumPy提供了随机数生成器，SciPy.stats模块拥有多种概率分布函数，如正态分布、二项分布等。通过调用这些函数，可以计算概率密度函数（PDF）、累计分布函数（CDF）等。例如，使用scipy.stats.norm.pdf(x, loc, scale)计算正态分布在x处的概率密度。
怎样用Python模拟抛硬币实验来估计概率？
有没有简单的Python代码示例能够通过模拟抛硬币的方法来估计正面朝上的概率？
用随机数生成模拟抛硬币实验
可以通过Python的random模块生成大量随机数模拟抛硬币，每次随机生成0或1分别代表反面或正面。通过统计正面出现的次数除以总次数即可估计概率。示例代码：
import random
trials = 10000
heads = sum(random.choice([0,1]) for _ in range(trials))
prob_heads = heads / trials
print(f'估计正面概率: {prob_heads}')
如何用Python计算大数定律的实际效果？
我想通过Python代码验证大数定律，观察样本均值随着样本量增加的变化情况，该如何实现？
通过随机采样观察样本均值收敛趋势
可以用Python生成大量独立同分布的随机样本，计算随着样本量增加的样本均值，并绘制样本均值随样本数量变化的图像。这样可以直观展示大数定律效果。常用库包括NumPy生成样本，Matplotlib绘图。示例思路为：
- 生成一个大样本序列
- 依次计算前n个样本的均值
- 绘制均值曲线，观察其渐近真实均值的趋势