Python正态分布概率计算方法，喜欢算法的伙伴们可以参考学习下。需要用到math模块。先了解一下这个模块方法，再来写代码会更好上手。
盘锦ssl适用于网站、小程序/APP、API接口等需要进行数据传输应用场景，ssl证书未来市场广阔！成为创新互联的ssl证书销售渠道，可以享受市场价格4-6折优惠！如果有意向欢迎电话联系或者加微信：13518219792（备注：SSL证书合作）期待与您的合作！
def st_norm(u):
'''标准正态分布'''
import math
x=abs(u)/math.sqrt(2)
T=(0.0705230784,0.0422820123,0.0092705272,
0.0001520143,0.0002765672,0.0000430638)
E=1-pow((1+sum([a*pow(x,(i+1))
for i,a in enumerate(T)])),-16)
p=0.5-0.5*E if u0 else 0.5+0.5*E
return(p)
def norm(a,sigma,x):
'''一般正态分布'''
u=(x-a)/sigma
return(st_norm(u))
while 1:
'''输入一个数时默认为标准正态分布
输入三个数(空格隔开)时分别为期望、方差、x
输入 stop 停止'''
S=input('please input the parameters:\n')
if S=='stop':break
try:
L=[float(s) for s in S.split()]
except:
print('Input error!')
continue
if len(L)==1:
print('f(x)=%.5f'%st_norm(L[0]))
elif len(L)==3:
print('f(x)=%.5f'%norm(L[0],L[1],L[2]))
else:
print('Input error!')
c（下面是总数，上面是出现的次数）。看式子比较容易明白。如：c（上面是2，下面是3）=（3*2）/（2*1）=3。上面的数规定几个数相乘，数是从大往小
R编程语言已经成为统计分析中的事实标准。但在这篇文章中，我将告诉你在Python中实现统计学概念会是如此容易。我要使用Python实现一些离散和连续的概率分布。虽然我不会讨论这些分布的数学细节，但我会以链接的方式给你一些学习这些统计学概念的好资料。在讨论这些概率分布之前，我想简单说说什么是随机变量（random variable）。随机变量是对一次试验结果的量化。
举个例子，一个表示抛硬币结果的随机变量可以表示成
Python
1
2
X = {1 如果正面朝上,
2 如果反面朝上}
随机变量是一个变量，它取值于一组可能的值（离散或连续的），并服从某种随机性。随机变量的每个可能取值的都与一个概率相关联。随机变量的所有可能取值和与之相关联的概率就被称为概率分布（probability distributrion）。
我鼓励大家仔细研究一下scipy.stats模块。
概率分布有两种类型：离散（discrete）概率分布和连续（continuous）概率分布。
离散概率分布也称为概率质量函数（probability mass function）。离散概率分布的例子有伯努利分布（Bernoulli distribution）、二项分布（binomial distribution）、泊松分布（Poisson distribution）和几何分布（geometric distribution）等。
连续概率分布也称为概率密度函数（probability density function），它们是具有连续取值（例如一条实线上的值）的函数。正态分布（normal distribution）、指数分布（exponential distribution）和β分布（beta distribution）等都属于连续概率分布。
若想了解更多关于离散和连续随机变量的知识，你可以观看可汗学院关于概率分布的视频。
实验室室间质评项目绕不开的大佬——李金明，前一段时间看基因谷发了他的PPT（但是水印怎么是基因狐啊喂），正好从中了解些的临床的相关规范（其实我想找生信相关要点，但好像并没有...）。
说实话，之前在上家做微生物多样性相关科研服务时候，对参数这块定的不是特别死，有时候流程固定参数达不到合同要求交付的测序量，经常会改改overlap，改改最大错配。可能也是因为这种比较低端，pipeline不断，每天流水线式的能交100来个，颇有种来测序、送分析的意思。
简单记录下其中几个概率的计算
题为：平常病人阳性率为10%，一次检测25个标本，求获得6个阳性或6个以上结果的概率，概率为1-（获得0个或1个或2个或3个或4个或5个阳性结果的概率）
注：细看ppt其实是有些小问题的，没有写P（5）
题为：一个实验室中，一个项目每次检测结果阳性率为2%，100个样本中出现8个阳性结果概率
题为：一次检测100个标本的项目中，2个阳性结果连续出现的概率
题为：一次检测100个标本的项目中，3个阳性结果连续出现的概率
注：样本间交叉污染的概率解读
首先假设每次检测样本，是阴性或是阳性都是独立的事件，那么
做n个样本，任意取其中r个，相邻的情况有 n-r+1 种
做n个样本，任意取其中r个，所有情况有 种
P=
假定检测样本的结果都是独立的，那么其r个阳性连续出现概率大于P，则说明r次连续的阳性结果存在正相关，可能是样本间污染（小概率事件在小规模样本数中发生）
那么，当样本数极大时候，如果其r个阳性连续出现概率小于P，那么也能说明r次连续的阳性结果存在负相关，相邻样本间结果存在拮抗（小概率事件在大规模样本数中仍不发生）
李金明：临床基因扩增检测质量保证（PPT全文）
