python计算PMF、PDF、CDF、PPF、KDE介绍

目录

• 1. 总括
• • 1.1 绘图示例
  • 1.2 概念介绍
  • • 1. PMF (Probability Mass Function)
    • 2. PDF (Probability Density Function)
    • 3. CDF (Cumulative Distribution Function)
    • 4. PPF (Percent Point Function)
    • 5. KDE (Kernel Density Estimation)

1. 总括

1.1 绘图示例

上图展示了PMF、PDF、CDF、PPF和KDE的绘图结果：

1. PMF (Probability Mass Function) - 概率质量函数，展示离散随机变量各取值的概率。用红色标记显示离散数据的概率。
2. PDF (Probability Density Function) - 概率密度函数，展示连续随机变量的概率密度。用绿色曲线显示连续数据的概率密度。
3. CDF (Cumulative Distribution Function) - 累积分布函数，展示随机变量小于或等于某一值的累积概率。用蓝色曲线显示累积分布函数。
4. PPF (Percent Point Function) - 百分位点函数，即CDF的逆函数，展示给定概率下随机变量的值。用紫色曲线显示百分位点函数。
5. KDE (Kernel Density Estimation) - 核密度估计，用于估计数据的概率密度函数，是PDF的一种非参数估计方法。用青色曲线显示核密度估计。

# Improve the plots for better clarity and visual appeal
plt.figure(figsize=(14, 8))
# PMF (Probability Mass Function)
plt.subplot(2, 3, 1)
plt.stem(values, pmf, basefmt=" ", use_line_collection=True, linefmt='r-', markerfmt='ro')
plt.xlabel('Value'