scipy.stats.expon () | Python

Опубликовано: 29 Марта, 2022

scipy.stats.expon () - это экспоненциальная непрерывная случайная величина, которая определяется в стандартном формате и некоторых параметрах формы для завершения своей спецификации.

Parameters :
q : lower and upper tail probability
x : quantiles
loc : [optional] location parameter. Default = 0
scale : [optional] scale parameter. Default = 1
size : [tuple of ints, optional] shape or random variates.
moments : [optional] composed of letters [‘mvsk’]; ‘m’ = mean, ‘v’ = variance, ‘s’ = Fisher’s skew and ‘k’ = Fisher’s kurtosis. (default = ‘mv’).
Results : exponential continuous random variable

Code #1 : Creating exponential continuous random variable

   
from scipy.stats import expon 
  
numargs = expon.numargs
[ ] = [0.6, ] * numargs
rv = expon( )
  
print ("RV : 
", rv) 

Выход :

RV : 
 <scipy.stats._distn_infrastructure.rv_frozen object at 0x0000018D56531CC0>

Code #2 : exponential random variates and probability distribution.

import numpy as np
quantile = np.arange (0.01, 1, 0.1)
   
# Random Variates
R = expon.rvs(scale = 2,  size = 10)
print ("Random Variates : 
", R)
  
# PDF
R = expon.pdf(quantile, loc = 0, scale = 1)
print ("
Probability Distribution : 
", R)

Выход :

Случайные варианты: 
 [2.50259466e-04 4.32311862e + 00 8.22833503e-01 1.63374263e + 00
 4.46784023e + 00 3.56781485e + 00 3.95381396e + 00 1.17623772e + 00
 3.21834266e-02 4.14778445e + 00]

Распределение вероятностей : 
 [0,99004983 0,89583414 0,81058425 0,73344696 0,66365025 0,60049558
 0,54335087 0,4916442 0,44485807 0,40252422]

Code #3 : Graphical Representation.

import numpy as np
import matplotlib.pyplot as plt
  
distribution = np.linspace(0, np.minimum(rv.dist.b, 5))
print("Distribution : 
", distribution)
  
plot = plt.plot(distribution, rv.pdf(distribution))

Выход :

Распределение : 
 [0. 0,10204082 0,20408163 0,30612245 0,40816327 0,51020408
 0,6122449 0,71428571 0,81632653 0,91836735 1,02040816 1,12244898
 1,2244898 1,32653061 1,42857143 1,53061224 1,63265306 1,73469388
 1.83673469 1.93877551 2.04081633 2.14285714 2.24489796 2.34693878
 2.44897959 2.55102041 2.65306122 2.75510204 2.85714286 2.95918367
 3,06122449 3,16326531 3,26530612 3,36734694 3,46938776 3,57142857
 3.67346939 3.7755102 3.87755102 3.97959184 4.08163265 4.18367347
 4,28571429 4,3877551 4,48979592 4,59183673 4,69387755 4,79591837
 4.89795918 5.]

Code #4 : Varying Positional Arguments

import matplotlib.pyplot as plt
import numpy as np
  
x = np.linspace(0, 5, 100)
  
# Varying positional arguments
y1 = expon.pdf(x, 2, 6)
y2 = expon.pdf(x, 1, 4)
plt.plot(x, y1, "*", x, y2, "r--")

Выход :

Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.

Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.

Python

scipy.stats.expon () | Python

РЕКОМЕНДУЕМЫЕ СТАТЬИ