我正在尝试绘制均匀连续分布的pdf和cdf。代码如下:
from scipy.stats import uniform
import matplotlib.pyplot as plt
import numpy as np
fig, ax = plt.subplots(1, 1)
# Genrating uniform distribution
uniform_distribution = uniform.rvs(0, 1, 1000)
x = np.linspace(uniform.ppf(0.01),uniform.ppf(0.99), 1000)
ax.hist(uniform_distribution, density=True, histtype='stepfilled', alpha=0.2)
# Plotting pdf
pdf = uniform.pdf(x)
ax.plot(x, pdf, 'r-', lw=5, alpha=0.6, label='pdf')
# Plotting cdf
cdf = uniform.cdf(x)
ax.plot(x, cdf, 'k-', lw=2, label='cdf')
ax.legend(loc='best', frameon=False)
在尝试了一些值后,我得到了正确的结果。据我了解,变量x
用于绘制pdf和cdf的x轴值,可以看到这两个函数都传递了。 uniform_distribution
变量采用实际分布。
但是函数 uniform.pdf
和 uniform.cdf
采用 x
这似乎不直观。在更改两个函数中的 x 时,我得到了原样的 pdf 图,但 cdf 被扭曲了。不确定 cdf 和 pdf 函数的确切参数应该是什么以及原因。
最佳答案
您可以更改a
和b
以查看不同的数字:
from scipy.stats import uniform
import matplotlib.pyplot as plt
import numpy as np
a, b = 1, 5
size = 1000
fig, ax = plt.subplots(1, 1)
# Genrating uniform distribution
uniform_distribution = uniform(loc=a, scale=b)
x = np.linspace(uniform_distribution.ppf(0), uniform_distribution.ppf(1), size)
# Plotting pdf
pdf = uniform_distribution.pdf(x)
ax.plot(x, pdf, 'r-', lw=5, alpha=0.6, label='pdf')
# Plotting cdf
cdf = uniform_distribution.cdf(x)
ax.plot(x, cdf, 'k-', lw=2, label='cdf')
ax.legend(loc='best', frameon=False)
# Histogram
ax.hist(uniform_distribution.rvs(size=size), density=True, histtype='stepfilled', alpha=0.2)
ax.set_ylim(-0.05, 1.05)
fig.show()
关于python-3.x - 绘制均匀连续分布的 CDF,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59852272/