python的cdf函数支持哪些概率分布类型

Python中的CDF（累积分布函数）函数可以用于计算多种概率分布类型的累积概率。在SciPy库中，有一个名为scipy.stats的模块，它提供了许多常见的概率分布类型及其相关的统计函数，包括CDF。

以下是一些常见的概率分布类型及其在scipy.stats模块中的对应函数：

1. 均匀分布（Uniform）：scipy.stats.uniform
2. 二项分布（Binomial）：scipy.stats.binom
3. 正态分布（Normal）：scipy.stats.norm
4. 伽马分布（Gamma）：scipy.stats.gamma
5. 指数分布（Exponential）：scipy.stats.expon
6. t分布（Student’s t）：scipy.stats.t
7. 卡方分布（Chi-squared）：scipy.stats.chi2
8. F分布（Fisher’s F）：scipy.stats.f
9. 泊松分布（Poisson）：scipy.stats.poisson
10. 伯努利分布（Bernoulli）：scipy.stats.bernoulli

要计算这些分布的CDF值，可以使用每个分布对象的cdf()方法。例如，要计算正态分布（均值为0，标准差为1）的CDF值，可以使用以下代码：

import scipy.stats as stats

mean = 0
std_dev = 1
x = 1.5  # 要计算CDF的点

normal_dist = stats.norm(loc=mean, scale=std_dev)
cdf_value = normal_dist.cdf(x)

print("CDF value at", x, "for Normal distribution:", cdf_value)

类似地，可以使用其他分布对象计算其他类型分布的CDF值。请注意，scipy.stats模块还提供了许多其他概率分布类型，详细信息可以参考官方文档：https://docs.scipy.org/doc/scipy/reference/stats.html