scipy.stats 是 SciPy 库中用于统计分析的模块，它提供了许多概率分布、统计测试和描述性统计等功能。该模块的成员大致可以细分为：

• 概率分布：例如正态分布、指数分布、伽马分布、二项分布……
• 统计量计算：例如均值、方差、协方差、相关系数……
• 假设检验：判断样本之间是否存在显著差异，例如 t 检验、卡方检验、KS 检验……
• 拟合：拟合分布到数据，即从数据中估计分布的参数，例如最下二乘法拟合、最大似然估计拟合……
• 随机数生成：生成符合特定分布的随机样本
• ……

概率分布

scipy.stats 为每个概率分布函数实现了概率密度函数、累计分布函数、逆累积分布函数。

常见的概率分布函数如下：

连续分布

• 正态分布（Normal ~, norm）
• 指数分布（Exponential ~, expon）
• 伽马分布（Gamma ~, gamma）
• 贝塔分布（Beta ~, beta）
• 卡方分布（Chi-Square ~, chi2）
• t 分布（Student's ~, t）
• F 分布（F ~, f）
• 威布尔分布（Weibull ~, weibull）
• 对数正太分布（Lognormal ~, lognorm）
• 均匀分布（Uniform ~, uniform）
• ……

离散分布

• 二项分布（Binomial ~, binom）
• 泊松分布（Poisson ~, poisson）
• 几何分布（Geometric ~, geom）
• 超几何分布（Hypergeometric ~, hypergeom）
• 负二项分布（Negative Binomial ~, nbinom）
• 多项分布（Multinomial ~, multinomial）
• ……

统计量计算

描述性统计量

• 均值（Mean, mean）
• 中位数（Median, median）
• 众数（Mode, mode）
• 方差（Variance, var）
• 标准差（Standard Deviation, std）
• 最大值（Maximum, max）
• 最小值（Minimum, min）
• 百分位数（Percentile, percentile）

相关性和协方差

• 协方差（Covariance, cov）
• 相关系数（Correlation Coefficient, pearsonr）

偏度和峰度

• 偏度（Skewness /ˈskjuːnɪs/, skew）
• 峰度（Kurtosis /kəˈtəʊsɪs/, kurtosis）

假设检验

单样本检验

• 单样本 t 检验（ttest_1samp）
• 单样本 Kolmogorov-Smirnov 检验（柯尔莫哥洛夫 /ˌkɒlmɒˈɡɔːrɒf/, 斯米尔诺夫, kstest）

独立样本检验

• 独立样本 t 检验（ttest_ind）
• Mann-Whitney U 检验（mannwhitneyu）

配对样本检验

• 配对样本 t 检验（ttest_rel）
• Wilcoxon 符号秩检验（/wɪlˈkɒksən/, 秩和检验, wilcoxon）

方差分析（ANOVA）

• 单因素方差分析（f_oneway）
• 二因素方差分析（f_twoway）

非参数检验

• Kruskal-Wallis 检验（kruskal）
• Friedman 检验（friedmanchisquare）

卡方检验

• 单样本卡方检验（chisquare）
• 独立性卡方检验（chi2_contingency）

正态性检验

• Shapiro-Wilk 正态性检验（shapiro）
• Anderson-Darling 正态性检验（anderson）

拟合

每个分布都有自己的拟合函数，例如正态分布拟合（norm.fit）、t 分布拟合（t.fit）……

随机数生成

每个分布都有自己的随机数生成函数，例如正态分布随机数生成函数（norm.rvs）……