scipy.stats.foldcauchy() jest składaną ciągłą zmienną losową Cauchy`ego, która jest zdefiniowana w standardowym formacie i z pewnymi parametrami kształtu w celu uzupełnienia specyfikacji.
Parametry:
- > q: prawdopodobieństwo dolnego i górnego ogona
- > a: parametry kształtu
- > x: kwantyle
- > loc: [opcjonalny] parametr lokalizacji. Domyślnie = 0
- > scale: [opcjonalny] parametr skali. Domyślnie = 1
- > rozmiar: [krotka wartości liczb wewnętrznych, opcjonalnie] kształt lub losowe odmiany.
- > momenty: [opcjonalne] złożone z liter [`mvsk`]; `m` = średnia, `v` = wariancja, `s` = pochylenie Fishera, a `k` = kurtoza Fishera. (default = `mv`).Wyniki: złożona ciągła zmienna losowa Cauchy`ego
Kod nr 1: Utwórz zwinięty Ciągła zmienna losowa Cauchy`ego Zmienna losowa Cauchy`ego
z scipy.stats importuj foldcauchy
numargs = foldcauchy.numargs
[a] = [ 0,7 ,] * numargs
rv = foldcauchy (a)
print ( "RV:" , rv)
Wyjście:
RV: "scipy.stats._distn_infrastructure.rv_frozen obiekt pod adresem 0x0000018D55D8E160 >
Kod nr 2: złożone zmienne losowe Cauchy`ego i funkcja rozkładu prawdopodobieństwa.
importuj numpy as np
kwantyl = np.arange ( 0,01 , 1 , 0.1 )
# Warianty losowe
R = foldcauchy .rvs (a, scale = 2 , size = 10 )
print ( "Losowe odmiany:" , R )
# PDF
R = foldcauchy.pdf (a, quantile, loc = 0 , skala = 1 )
print ( "Rozkład prawdopodobieństwa:" , R)
Wynik:
Zmienne losowe: [1.7445128 2.82630984 0,81871044 5,19668279 7,81537565 1,67855736 3,35417067 0,13838753 1,29145462 1,90601065] Rozkład prawdopodobieństwa: [0,42727064 0.428320.430.43398288013 0,4 3294602 0,42480391 0,41154712 0,3934792]
Kod nr 3: Przedstawienie graficzne.
importuj numpy as np
importuj matplotlib.pyplot as plt
dystrybucja = np.linspace ( 0 , np.minimum (rv.dist. b, 3 ))
print ( " Dystrybucja:" , dystrybucja)
plot = plt.plot (dystrybucja, rv.pdf (dystrybucja))
Wyjście:
Dystrybucja: [0. 0.06122449 0.12244898 0.18367347 0.24489796 0.30612245 0.36734694 0.42857143 0.48979592 0.55102041 0.6122449 0.67346939 0.73469388 0.79591837 0.85714286 0.91836735 0.97959184 1.04081633 1.10204082 1.16326531 1.2244898 1.28571429 1.34693878 1.40816327 1.46938776 1.53061224 1.59183673 1.65306122 1.71428571 1.7755102 1.83673469 1.89795918 1.95918367 2.02040816 2.08163265 2.14285714 2.20408163 2.26530612 2.32653061 2.3877551 2.44897959 2.51020408 2.57142857 2.63265306 2.69387755 2.75510204 2.81632653 2.87755102 2.93877551 3. ]
Kod nr 4: Różne argumenty pozycyjne
importuj matplotlib. pyplot as plt
import numpy as np
x = np.linspace ( 0 , 5 , 100 )
# Różne argumenty pozycyjne
y1 = foldcauchy.pdf (x, 1 , 3 )
y2 = foldcauchy.pdf (x, 1 , 4 )
plt.plot (x, y1, "*" , x, y2, "r--" )
Wyjście:
Mamy nadzieję, że ten artykuł pomógł Ci rozwiązać problem. Oprócz scipy stats.foldcauchy() | pyton sprawdź inne tematy związane z iat.
Chcesz się wyróżniać w Pythonie? Zobacz naszą recenzję najlepszych kursów online Pythona 2022. Jeśli interesujesz się Data Science, sprawdź także, jak nauczyć się programowania w R.
Nawiasem mówiąc, ten materiał jest również dostępny w innych językach:
- scipy stats.foldcauchy() | pyton
- Italiano scipy stats.foldcauchy() | pyton
- Deutsch scipy stats.foldcauchy() | pyton
- Français scipy stats.foldcauchy() | pyton
- Español scipy stats.foldcauchy() | pyton
- Türk scipy stats.foldcauchy() | pyton
- Русский scipy stats.foldcauchy() | pyton
- Português scipy stats.foldcauchy() | pyton
- Polski scipy stats.foldcauchy() | pyton
- Nederlandse scipy stats.foldcauchy() | pyton
- 中文 scipy stats.foldcauchy() | pyton
- 한국어 scipy stats.foldcauchy() | pyton
- 日本語 scipy stats.foldcauchy() | pyton
- हिन्दी scipy stats.foldcauchy() | pyton
Munchen | 2022-11-26
Dzięki za wyjaśnienie! Utknąłem z scipy stats.foldcauchy() | pyton przez kilka godzin, w końcu się udało 🤗. Po prostu nie jestem pewien, czy to najlepsza metoda
New York | 2022-11-26
quantile to wszystko jest trochę zagmatwane 😭 scipy stats.foldcauchy() | pyton to nie jedyny problem jaki napotkałam. Wrócimy jutro z informacją zwrotną
Warsaw | 2022-11-26
iat to wszystko jest trochę zagmatwane 😭 scipy stats.foldcauchy() | pyton to nie jedyny problem jaki napotkałam. Po prostu nie jestem pewien, czy to najlepsza metoda
