python簡單實現最大似然估計

1、scipy庫的安裝

wim+R輸入cmd，然後cd到python的pip路徑，即安裝：pip install scipy即可

2、匯入scipy庫

from scipy.sats import norm

匯入scipy.sats中的norm

3、案例分析

from scipy.stats import norm
import matplotlib.pyplot as plt
import numpy as np

'''
norm.cdf 返回對應的累計分佈函式值
norm.pdf 返回對應的概率密度函式值
norm.rvs 產生指定引數的隨機變數
norm.fit 返回給定資料下，各引數的最大似然估計（MLE）值
'''
x_norm = norm.rvs(size=200)
#在這組資料下，正態分佈引數的最大似然估計值
x_mean,x_std = norm.fit(x_norm)
print ('mean,',x_mean)
print ('x_std,x_std)
plt.hist(x_norm,normed=True,bins=15)#歸一化直方圖（用出現頻率代替次數），將劃分區間變為 20（預設 10）
x = np.linspace(-3,3,50)#在在(-3,3)之間返回均勻間隔的50個數字。
plt.plot(x,norm.pdf(x),'r-')
plt.show()

執行如下：

補充知識：python hypergeom.cdf函式理解

匯入函式

hypergeom.cdf函式是scipy庫中的。

from scipy.stats import hypergeom

含義

與scipy幫助文件中的字母定義一致，即用hypergeom.cdf(k,M,n,N)來解釋該函式的用法。

hypergeom是用於計算超幾何分佈的，其中cdf表示的是累計分佈函式。這裡用超幾何分佈的一般意義來解釋，hypergeom.cdf表示：總共有M件產品，n件次品，從M件中隨機挑出N件，這N件中最多包含n件中的k件的概率（也可以理解為M-n件產品中至少選到N-k件的概率）。

以上這篇python簡單實現最大似然估計&scipy庫的使用詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。