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：
- 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。
- 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。
- 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。
- 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。
- 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'<
