Python 同时绘制伯努利样本和伯努利pmf的密度直方图

问题摘要：

为什么我的样本密度与pmf如此不同，我如何执行此模拟以使pmf和样本估计值相似

问题：

我使用

scipy

模拟了一个独立的伯努利试验样本。我现在尝试获取我创建的样本的密度直方图，并将其与pmf（概率质量函数）进行比较。我希望密度直方图显示两个箱子，每个箱子都在pmf附近徘徊，但是相反，我有两个箱子在5的pmf值上方。有人能告诉我如何创建一个密度直方图，而不这样做的伯努利？我尝试了一个类似的模拟与其他几个分布，它似乎工作得很好。我在这里遗漏了什么，你能告诉我如何操作我的代码使其工作吗

import numpy as np
import matplotlib.pyplot as plt
import scipy.stats as stats

trials = 10**3
p = 0.5


sample_bernoulli = stats.bernoulli.rvs(p, size=trials) # Generate benoulli RV
plt.plot((0,1), stats.bernoulli.pmf((0,1), p), 'bo', ms=8, label='bernoulli pmf')

# Density histogram of generated values
plt.hist(sample_bernoulli, density=True, alpha=0.5, color='steelblue', edgecolor='none')
plt.show()

---

如果这是一个简单或琐碎的问题，我必须道歉，但我无法在网上找到解决方案，并且发现这个问题很有趣。任何帮助都将不胜感激。

原因是

plt.hist

主要用于连续分发。如果不提供明确的存储箱边界，

plt.hist

只会在最小值和最大值之间创建10个等间距的存储箱。这些垃圾箱大部分都是空的。由于只有两个可能的数据值，因此应该只有两个箱子，因此有3个边界：

将numpy导入为np
将matplotlib.pyplot作为plt导入
将scipy.stats导入为stats
试验=10**3
p=0.5
样本(u bernoulli=stats.bernoulli.rvs(p,size=trials)#生成贝努利RV
plt.plot（（0,1），stats.bernoulli.pmf（（0,1），p），'bo'，ms=8，label='bernoulli-pmf'）
#生成值的密度直方图
plt.hist（样本_bernoulli，密度=真，α=0.5，颜色='steelblue'，边色='none'，箱子=np.linspace（-0.5,1.5,3））
plt.show（）

以下是默认箱子边界的可视化，以及样本如何装入箱子。请注意，当密度=真时，直方图被标准化，以便所有条的面积总和为1。在这种情况下，两个条形图的宽度约为

0.1

，高度约为

5.0

，而其他8个条形图的高度为零。因此，总面积为

2*0.1*5+8*0.0=1

将numpy导入为np
将matplotlib.pyplot作为plt导入
将scipy.stats导入为stats
试验=10**3
p=0.5
样本(u bernoulli=stats.bernoulli.rvs(p,size=trials)#生成贝努利RV
#具有默认存储箱的生成值的密度直方图
值，b边界，条=plt.hist（样本_bernoulli，密度=真，α=0.2，颜色='steelblue'，边缘颜色='none'）
#显示垃圾箱边界
plt.vlines（二进制边界，0，最大值）*1.05，颜色='crimson'，ls='：'）
#显示带有随机位移的采样值
plt.散射（样本+伯努利*0.9+np.随机均匀（0,0.1，试验），
np.随机.均匀（0，最大值，试验），颜色='石灰'）
#显示每个箱子的索引
对于范围内的i（len（binbounds）-1）：
plt.text（（binbounds[i]+binbounds[i+1]）/2，max（values）/2，i，ha='center'，va='center'，fontsize=20，color='crimson'）
plt.show（）