我是这个话题的新手,这个问题可能是愚蠢的。我做了一些实验,结果和它们的发生情况如下所示。我需要将这些离散数字转换成概率分布和累积分布(x轴是结果,y轴是概率)。
import pandas as pd
data = {'Result': [1, 2, 4, 6],
'Occurrence': [2,3,4,1],
'Probability':[0.2,0.3,0.4,0.1]}
df= pd.DataFrame(data)
则求出累积分布中不同概率水平对应的x。比如50%,60%,80%等等
我做了一些研究,但找不到正确的python包或函数来实现这一点。包或函数的名称应该是好的,并且一个例子将是伟大的。谢谢。
处理条件分布或概率分布累积分布,你要用3个不同的编程风格…λ,功能和对象东方表示条件,概率和累计
统计数据。
就像统计数学一样,计算数学在知识范围上也有很大的不同。
似乎有必要使用lambda函数表示数据
Lambda函数允许您为关系创建表达式。
函数只是使两个对象相关的步骤的和,或者可能是构成上域的条件的和....
当你处理x和y时,你需要使用lambda函数来创建匿名函数来表示可能的关系,在我们的例子中,让lambda来表示函数定义。
y = codomain
x = domain
f(x) = lamda functions, we dont need to set the process just yet.
import lambda
codomain = ''
anon_steps = 'unknown'
def myFunction(domain=x):
if anon_steps is domain:
codomain = 1
else:
pass
return codomain
function_object = myFunction(domain)
# this is functional relationship
variable = lambda parameters_list : expression
# this is lambda expressed functions
上面示例中的lambda是函数的定义,它表示函数中的代码。