使用SymPy定义并绘制连续均匀分布的PDF与CDF

没问题，我来一步步教你用SymPy搞定连续均匀分布的PDF、CDF定义和可视化——这在统计分析里是很基础但实用的操作：

1. 先装必要的依赖 #

首先得确保你有SymPy（符号计算库）和Matplotlib（绘图库），如果还没装，直接用pip安装：

pip install sympy matplotlib

2. 导入所需的库 #

打开Python脚本或者Notebook，导入需要的模块：

import sympy as sp
import matplotlib.pyplot as plt
from sympy.stats import Uniform, density, cdf

3. 定义连续均匀分布 #

我们先设定一个具体的区间，比如**[2, 8]**（你可以换成任意你需要的a和b，只要a < b就行），然后用SymPy的Uniform函数定义分布：

# 定义符号变量
x = sp.symbols('x')

# 定义区间[a, b]上的连续均匀分布，这里a=2，b=8
u_dist = Uniform('U', 2, 8)

4. 获取PDF和CDF表达式 #

SymPy可以直接帮我们生成概率密度函数（PDF）和累积分布函数（CDF）的符号表达式：

# 获取PDF
pdf_expr = density(u_dist)(x)
print("连续均匀分布的PDF表达式：")
sp.pprint(pdf_expr)

# 获取CDF
cdf_expr = cdf(u_dist)(x)
print("\n连续均匀分布的CDF表达式：")
sp.pprint(cdf_expr)

运行这段代码后，你会看到：

• PDF在区间[2,8]内是常数1/6（因为1/(b-a)=1/(8-2)），区间外为0；
• CDF在x<2时为0，2≤x≤8时是(x-2)/6，x>8时为1，完全符合连续均匀分布的特性。

5. 可视化PDF和CDF #

为了更直观地看到它们的形状，我们把符号表达式转换成可计算的数值函数，然后用Matplotlib绘图：

# 将符号表达式转换为数值函数
pdf_func = sp.lambdify(x, pdf_expr, 'numpy')
cdf_func = sp.lambdify(x, cdf_expr, 'numpy')

# 生成x轴数据，覆盖分布区间内外（比如从0到10）
x_vals = sp.numpy.linspace(0, 10, 1000)

# 计算对应的PDF和CDF值
pdf_vals = pdf_func(x_vals)
cdf_vals = cdf_func(x_vals)

# 绘制子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

# 绘制PDF
ax1.plot(x_vals, pdf_vals, color='#1f77b4', linewidth=2)
ax1.fill_between(x_vals, pdf_vals, alpha=0.3)
ax1.set_title('连续均匀分布的概率密度函数(PDF)')
ax1.set_xlabel('x')
ax1.set_ylabel('概率密度')
ax1.grid(True, alpha=0.3)
ax1.set_ylim(0, 0.2)

# 绘制CDF
ax2.plot(x_vals, cdf_vals, color='#ff7f0e', linewidth=2)
ax2.fill_between(x_vals, cdf_vals, alpha=0.3)
ax2.set_title('连续均匀分布的累积分布函数(CDF)')
ax2.set_xlabel('x')
ax2.set_ylabel('累积概率')
ax2.grid(True, alpha=0.3)
ax2.set_ylim(0, 1.1)

plt.tight_layout()
plt.show()

运行这段代码后，你会看到两个子图：

• 左边的PDF是一个矩形，在[2,8]区间内高度恒定，区间外为0；
• 右边的CDF是一条从0线性增长到1的折线，在区间[2,8]内平稳上升，超过8后保持在1。

这样就能清晰地看到连续均匀分布的核心特征啦！

内容的提问来源于stack exchange，提问作者Sander van den Oord