Python 概率计算工作流：scipy.stats 实战
本文基于模型知识整理（生成时未联网核对），API 细节以 scipy.stats 官方文档为准。
一句话定义
Python 把本库的概念一一映射成 API：scipy.stats 的每个分布对象自带 pdf/pmf/cdf/ppf/rvs（密度/累积/分位数/采样四大件），检验函数（ttest_ind/chi2_contingency）封装 kp-021 的流水线，numpy.random 的 Generator 是蒙特卡洛（kp-026）的引擎——学习循环仍是"手算小例 → 代码验证 → 图形检查"。
为什么重要
概率的实战产出（检验报告、置信区间、模拟结论）几乎都在代码里完成；但 API 用错（如单双侧混淆、参数是方差还是标准差）比手算错误更隐蔽。把"概念 ↔ API 参数"的映射表焊死，是从"会算"到"敢交付"的最后一步。
前置知识
kp-006~009（分布族）、kp-017/021（检验）；Python/NumPy 基础。
核心概念（API ↔ 概念对照）
import numpy as np
from scipy import stats
rng = np.random.default_rng(42) # 复现纪律 (kp-028 姊妹)
# ---- 分布四大件 (以 N(170, 8²) 为例) ----
X = stats.norm(loc=170, scale=8) # 注意: scale=标准差(不是方差!)
X.pdf(178) # 密度 f (kp-006: 不是概率)
X.cdf(178) # P(X≤178) ≈ 0.8413 (kp-006 CDF)
X.ppf(0.975) # 分位数=逆CDF (kp-027 逆变换的现成件)
X.rvs(size=1000, random_state=rng) # 采样 (kp-026/027)
# ---- 检验 ----
t, p = stats.ttest_ind(a_group, b_group, equal_var=False) # Welch t (kp-021)
chi2, p, dof, tab = stats.chi2_contingency(table) # 独立性 χ² (kp-017)
# ---- 拟合 ----
lam_hat, loc, _ = stats.expon.fit(wait_times, floc=0) # MLE 拟合 (kp-018)
# ---- 蒙特卡洛验证定理 ----
means = [rng.normal(0, 1, 100).mean() for _ in range(5000)]
np.std(means) # ≈ 1/√100 = 0.1 → CLT 实测 (kp-015)原理与机制
分布对象的"冻结参数"模式：stats.norm(170, 8) 返回冻结分布——之后 pdf/cdf/ppf/rvs 全部共享参数，避免每处重传；批量任务（扫描不同 μ）用 stats.norm.pdf(x, loc=…) 的未冻结形态。
rvs 与可复现性：random_state=rng 把随机流钉在显式 Generator 上——同一 seed 同一序列（kp-028 的复现纪律）；default_rng 是新一代生成器（优于全局 np.random.seed）。
检验函数的"读输出"纪律：ttest_ind 返回 (统计量, p 值)——p 值语义照 kp-021（数据的罕见度而非假设概率）；equal_var=False 选 Welch（方差不等时更稳，默认应选它）；chi2_contingency 返回的 expected_freq 应全 ≥5，否则 χ² 近似失效（kp-030 精神）。
验证循环：每用新 API，先用手算已知例验证（正态 CDF(μ)=0.5、指数均值=1/λ）；再画直方图与理论密度叠加（plt.hist(density=True) + plot(X.pdf)）——视觉对齐是最快的参数理解器。
实例或案例
CLT 的 30 行验证：模拟 n=100 的标准正态均值 5000 次——均值直方图呈钟形、标准差 ≈0.1=1/√n、stats.probplot 上点贴直线——三大极限定理从背诵变成观察。
AB 检验完整跑一遍：stats.binomtest(58, 1000, 0.05).pvalue（精确二项）或两比例 z 检验；再画 Beta(1+k, 1+n−k) 后验密度对比（kp-022）——频率与贝叶斯两套答案同屏。
指数分布拟合实战：stats.expon.fit(wait_times, floc=0) 得 λ̂=1/x̄；QQ 图核对拟合质量、stats.kstest 验分布——kp-017/018 的联合实战。
常见误区
- 误区一："scale 当方差传"。scipy 的 norm/expon/t 全部用 scale=标准差（或率）——方差 64 传 64 会得到 σ=64 的分布（宽 8 倍）。
- 误区二："ttest 的 p 值当'组间有差'的概率"。p 值语义照 kp-021；且默认
equal_var=True（Student t）——方差不齐时应显式 Welch。 - 误区三："fit 不锁 loc 参数"。三参数拟合常把指数的 loc 拟成非零导致 λ 失真——已知支撑起点时
floc=0固定。
与其他知识点的关系
自测题
- 用 scipy 验证"标准正态的 97.5% 分位数≈1.96"。
答：stats.norm.ppf(0.975) → 1.959964（kp-020 区间临界值的来源）。
- 二项检验：n=100、k=58、p₀=0.5，写双侧 p 值代码。
答：stats.binomtest(58, 100, 0.5).pvalue（或 2×(1−cdf(57)) 的近似式——注意精确二项优于正态近似）。
- 如何用代码验证 CLT 的 √n 律？
答：对 n∈{10,100,1000} 各模拟大量样本均值、算 std——应得 σ/√n（0.316、0.1、0.0316）；对数坐标下斜率 −1/2。
延伸阅读
- scipy.stats 官方教程（每个分布的 Methods 列表）。
- 《Python for Data Analysis》（Wes McKinney）随机数章。
- statsmodels 文档（更完整的检验与模型层）。