代碼實現

# numpy 是開源的數學計算擴展庫，里面有很多數值計算API，用來存儲和處理矩陣 import numpy as np a = [1,2,4,5,3,12,12,23,43,52,11,22,22,22] a_mean=np.mean(a) # to acqirue mean value a_mid=np.median(a)print('a_mean is :',a_mean) print('a_mid',a_mid)''' Scipy是一個高級的科學計算庫，Scipy一般都是操控Numpy數組來進行科學計算， Scipy包含的功能有最優化、線性代數、積分、插值、擬合、特殊函數、快速傅里葉變換、 信號處理和圖像處理、常微分方程求解和其他科學與工程中常用的計算。 ''' from scipy import stats a_m =stats.mode(a)[0][0] print("a的眾數:",a_m)import pandas as pd #將一維數組轉成Pandas的Series，然后調用Pandas的mode()方法 ser=pd.Series(a) a_m=ser.mode() print('a的眾數：',a_m)import numpy as np a_var=np.var(a) a_std1=np.square(a_var) a_std2=np.std(a) a_mean=np.mean(a) a_cv=a_std1/a_meanprint("a的方差:",a_var) print("a的方差:",a_std1) print("a的方差:",a_std2) print("a的變異系數:",a_cv)import numpy as np import pandas as pd from matplotlib import pyplot # 直接導入這個類data=list(np.random.randn(10000)) #生成標準正態分布的隨機數（10000個） pyplot.hist(data,10000,facecolor='g',alpha=0.5) pyplot.show()

總結

以上是生活随笔為你收集整理的概率论与数理统计--S2数理统计概念的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。