菜单
×
   ❮     
HTML CSS JAVASCRIPT SQL PYTHON JAVA PHP HOW TO W3.CSS C C++ C# BOOTSTRAP REACT MYSQL JQUERY EXCEL XML DJANGO NUMPY PANDAS NODEJS R TYPESCRIPT ANGULAR GIT POSTGRESQL MONGODB ASP AI GO KOTLIN SASS VUE DSA GEN AI SCIPY AWS CYBERSECURITY DATA SCIENCE
     ❯   

二项式分布


二项式分布

二项式分布是离散分布

它描述了二元场景的结果,例如抛硬币,结果只可能是正面或反面。

它有三个参数

n - 试验次数。

p - 每次试验发生的概率(例如,抛硬币时每次试验的概率为 0.5)。

size - 返回数组的形状。

离散分布:分布定义在一组独立的事件上,例如,抛硬币的结果是离散的,因为它只能是正面或反面,而人的身高是连续的,它可以是 170、170.1、170.11 等。

示例

给定 10 次抛硬币试验,生成 10 个数据点

from numpy import random

x = random.binomial(n=10, p=0.5, size=10)

print(x)
自己动手试一试 »

二项式分布可视化

示例

from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns

sns.distplot(random.binomial(n=10, p=0.5, size=1000), hist=True, kde=False)

plt.show()

结果

自己动手试一试 »

正态分布与二项式分布的区别

主要区别在于正态分布是连续的,而二项式分布是离散的,但如果有足够多的数据点,它将与具有特定位置和尺度的正态分布非常相似。

示例

from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns

sns.distplot(random.normal(loc=50, scale=5, size=1000), hist=False, label='normal')
sns.distplot(random.binomial(n=100, p=0.5, size=1000), hist=False, label='binomial')

plt.show()

结果

自己动手试一试 »


×

联系销售

如果您想将 W3Schools 服务用于教育机构、团队或企业,请发送电子邮件给我们
sales@w3schools.com

报告错误

如果您想报告错误,或想提出建议,请发送电子邮件给我们
help@w3schools.com

W3Schools 经过优化,旨在方便学习和培训。示例可能经过简化,以提高阅读和学习体验。教程、参考资料和示例会不断审查,以避免错误,但我们无法保证所有内容的完全正确性。使用 W3Schools 即表示您已阅读并接受我们的使用条款Cookie 和隐私政策

版权所有 1999-2024 Refsnes Data。保留所有权利。W3Schools 由 W3.CSS 提供支持