« Python pour le calcul scientifique/Statistiques » : différence entre les versions

(→‎Lois de probabilités : params des lois discrètes)
(→‎Lois de probabilités : diagramme qq)
res = stats.norm.fit(x)
print(res)
</source>
 
[[File:Diagramme qq python matplotlib.svg|vignette|upright=1.5||Diagramme quantile-quantile avec Python Scipy et Matplotlib.]]
 
L'exemple suivant consiste à vérifier qu'un échantillon suit bien une loi normale centrée réduite en traçant sa droite de Henry :
 
<source lang="python">
import numpy as np
from scipy import stats
import matplotlib.pyplot as plt
 
X = stats.norm.rvs(size=100)
 
p = np.arange(0.1, 1, 0.1)
 
qexp = np.quantile(X, p)
qth = stats.norm.ppf(p)
extr = stats.norm.ppf([0.1, 0.9])
 
plt.plot(extr, extr, "--r")
plt.plot(qth, qexp, "*")
plt.title("diagramme quantiles-quantiles")
plt.xlabel("quantiles théoriques")
plt.ylabel("quantiles expérimentaux")
 
plt.savefig("diagramme_qq_python_matplotlib.svg")
</source>
 
13 728

modifications