本文介绍了Python中统计变量的单变量分布，包括分布中心的描述如均值、中位数、众数和几何均值，以及变异度的量化方法如极差、百分位数、标准差和方差。此外，还讨论了分布形状的参数描述，如位置、尺度和形状参数，并探讨了偏度和峰度的概念。最后，提到了离散分布中的二项分布及其应用。
Python中统计变量的单变量分布
一个变量的分布称为单变量分布，它们可以分为离散分布、连续分布。
1、分布的特性描述
1.1、分布中心
当我们有一个来自分布的数据样本，我们可以采用不同的参数来描述分布中心，数据可以用两种方式来进行评估。
（1）用它们的值；
（2）用它们的秩；
1.1.1、均值
默认来说，当我们讲到均值的时候，我们指的是算术均值，我们可以使用命令np.mean来找到数组x的均值，在现实生活中的数据通常包含缺失值，在许多情况下，缺失值用nan来代替（nan代表“非数字”），对于包括nan的数组的统计，numpy具有许多处理nan的函数。
import numpy as np
x=np.arange(10)
np.mean(x)
1.1.2、中位数
中位数是当数据
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
