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:

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

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]