python randint函数用法_python scipy stats.randint用法及代码示例「建议收藏」

均匀离散随机变量。作为一个实例rv_discrete类,randint对象从中继承了通用方法的集合(完整列表请参见下文),并使用特定于此特定发行版的详细信息来完善它们。注意:的概率质量函数randint是:对于k=low,…,high-1。randint需要low和high作为形状参数。上面的概率质量函数以“standardized”形式定义。要转移分布,请使用loc参数。特别,r…

大家好,又见面了,我是你们的朋友全栈君。

均匀离散随机变量。

作为一个实例rv_discrete类,randint对象从中继承了通用方法的集合(完整列表请参见下文),并使用特定于此特定发行版的详细信息来完善它们。

注意:

的概率质量函数randint是:

c1cac7e1c242a15864131dacc9041fdb.svg

对于k = low, …, high – 1。

randint需要low和high作为形状参数。

上面的概率质量函数以“standardized”形式定义。要转移分布,请使用loc参数。特别,randint.pmf(k, low, high, loc)等同于randint.pmf(k – loc, low, high)。

例子:

>>> from scipy.stats import randint

>>> import matplotlib.pyplot as plt

>>> fig, ax = plt.subplots(1, 1)

首先计算一下:

>>> low, high = 7, 31

>>> mean, var, skew, kurt = randint.stats(low, high, moments=’mvsk’)

显示概率质量函数(pmf):

>>> x = np.arange(randint.ppf(0.01, low, high),

… randint.ppf(0.99, low, high))

>>> ax.plot(x, randint.pmf(x, low, high), ‘bo’, ms=8, label=’randint pmf’)

>>> ax.vlines(x, 0, randint.pmf(x, low, high), colors=’b’, lw=5, alpha=0.5)

或者,可以调用分发对象(作为函数)以固定形状和位置。这将返回固定固定给定参数的“frozen” RV对象。

冻结发行版并显示冻结的pmf:

>>> rv = randint(low, high)

>>> ax.vlines(x, 0, rv.pmf(x), colors=’k’, linestyles=’-‘, lw=1,

… label=’frozen pmf’)

>>> ax.legend(loc=’best’, frameon=False)

>>> plt.show()

aab00146e2e0387e487ae9090062ffdf.jpg

检查的准确性cdf和ppf:

>>> prob = randint.cdf(x, low, high)

>>> np.allclose(x, randint.ppf(prob, low, high))

True

生成随机数:

>>> r = randint.rvs(low, high, size=1000)

方法:

rvs(low, high, loc=0, size=1, random_state=None)

随机变量。

pmf(k, low, high, loc=0)

概率质量函数。

logpmf(k, low, high, loc=0)

概率质量函数的对数。

cdf(k, low, high, loc=0)

累积分布函数。

logcdf(k, low, high, loc=0)

累积分布函数的日志。

sf(k, low, high, loc=0)

生存函数(也定义为1 – cdf,但sf有时更准确)。

logsf(k, low, high, loc=0)

生存函数的日志。

ppf(q, low, high, loc=0)

百分比点函数(的倒数cdf—百分位数)。

isf(q, low, high, loc=0)

逆生存函数(sf)。

stats(low, high, loc=0, moments=’mv’)

均值(‘m’),方差(‘v’),偏斜(‘s’)和/或峰度(‘k’)。

entropy(low, high, loc=0)

RV的(微分)熵。

expect(func, args=(low, high), loc=0, lb=None, ub=None, conditional=False)

函数(具有一个参数)相对于分布的期望值。

median(low, high, loc=0)

分布的中位数。

mean(low, high, loc=0)

分布的平均值。

var(low, high, loc=0)

分布的差异。

std(low, high, loc=0)

分布的标准偏差。

interval(alpha, low, high, loc=0)

包含分布的Alpha百分比的范围的端点

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/128797.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • C# List用法 List 实列介绍

    C# List用法 List 实列介绍 usingSystem;usingSystem.Collections.Generic;namespaceList{classProgram{staticvoidMain(stri

  • ubuntu安装qq

    安装的版本是国际版1.安装依赖库sudoapt-getinstalllibgtk2.0-0:i386sudoapt-getinstalllib32ncurses52.下载下载链接:http://pan.baidu.com/s/1jIwKdXshttp://linux.linuxidc.com/3.解压并安装wineqqintl定位到该路径,然后再输入sudodpkg-iwi

  • 利用python、tensorflow、opencv实现人脸识别(包会)!「建议收藏」

    利用python、tensorflow、opencv实现人脸识别(包会)!「建议收藏」 一,前言本人是机械专业在读硕士,在完成暑假实践的时候接触到了人脸识别,对这一实现很感兴趣,所以花了大概十天时间做出了自己的人脸识别。这篇文章应该是很详细的了所以帮你实现人脸识别应该没什么问题。先说本博文的最终要达到的效果:通过一系列操作,在摄像头的视频流中识别特定人的人脸,并且予以标记。本人通过网上资料的查询发现这类人脸识别,大多参考了一位日本程序员小哥的文章。链接:http…

    2022年10月25日
  • HTTP 和 HTTPS 的区别(面试常考题)「建议收藏」

    HTTP 和 HTTPS 的区别(面试常考题)「建议收藏」无论是在校学习还是找工作的时候,老师和面试官都问过同学http和https的区别。平时上网的时候也没有关注这个问题,只是知道计算机网络里Http的概念,所以最近才查资料好好补补这一块。其实这一块的知识延伸很广,如果之前不太了解加密算法和SSL协议,可以在学习了这个问题的基础上再做研究。一、Http和Https的基本概念Http:超文本传输协议(Http,HyperTextTrans…

  • dedecms织梦系统_dede模板站

    dedecms织梦系统_dede模板站(dede)织梦系统二次开发记录–soulsjie一、模板常用文件说明模板文件都在文件夹templets下,我们以默认模板(default)为例,对模板文件结构进行分析:首页模板文件目录\

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号