scipy stats.gilbrat() | pyton

| | | | | | | | | | | | | | | | | | |

Parametry:
- > q: prawdopodobieństwo dolnego i górnego ogona
- > 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: ciągła zmienna losowa Gilbrata

Kod nr 1: Generowanie ciągłego losowego zmienna Gilbrat


Wyjście t:

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 = gilbrat.pdf (x, 1 , 3 )

y2 = gilbrat.pdf (x , 1 , 4 )

plt.plot (x, y1, " * " , x, y2, " r-- " )

Wyjście:

z scipy.stats import gilbrat


numargs = gilbrat .numargs

[] = [ 0.7 ,] * numargs

rv = gilbrat ( )

print ( " RV: " , rv)

Wyjście:

RV: "scipy.stats._distn_infrastructure.rv_frozen obiekt pod adresem 0x000001E39A3B4AC8 > 

Kod nr 2: zmienne losowe Gilbrata i rozkład prawdopodobieństwa


importuj numpy jak np

import numpy jak np

kwantyl = np. arange ( 0,01 , 1 , 0.1 )


# Warianty losowe

R = gilbrat.rvs (skala = 2 , size = 10 )

print ( "Losowe odmiany:" , R)


# PDF

R = gilbrat.pdf (kwantyl, loc = 0 , scale = 1 )

print ( "Rozkład prawdopodobieństwa: " , R)

Wynik:

Zmienne losowe: [0.66090031 1.39027118 1.33876164 1.50366592 5.21419497 5.24225463 3.98547687 0.30586938 9.11346685 0.93014057] Rozkład prawdopodobieństwa: [0.00099024 0.31736749 0.5620854 0.6489139177 0. 2357239 0,57879516 0,52988354 0,48170703 0,43645277] 

Kod 3: reprezentacja graficzna


import numpy as np

import matplotlib.pyplot as plt


dystrybucja = np .linspace ( 0 , np.minimum (rv.dist.b, 3 ))

print ( " Dystrybucja: " , dystrybucja)


plot = plt.plot (dystrybucja, rv.pdf (dystrybucja))