Python SciPy stats.bernoulli用法及代码示例

本文简要介绍 python 语言中 scipy.stats.bernoulli 的用法。

用法:

scipy.stats.bernoulli = <scipy.stats._discrete_distns.bernoulli_gen object>#

伯努利离散随机变量。

作为 rv_discrete 类的实例，bernoulli 对象从它继承了一组通用方法(完整列表见下文)，并用特定于此特定发行版的详细信息来完成它们。

注意：

bernoulli 的概率质量函数为：

\[\begin{split}f(k) = \begin{cases}1-p &\text{if } k = 0\\ p &\text{if } k = 1\end{cases}\end{split}\]

对于 \(k\) 在 \(\{0, 1\}\) , \(0 \leq p \leq 1\)

bernoulli以\(p\)为形状参数，其中\(p\)是单次成功的概率，\(1-p\)是单次失败的概率。

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。具体来说，bernoulli.pmf(k, p, loc) 等同于 bernoulli.pmf(k - loc, p) 。

例子：

>>> import numpy as np
>>> from scipy.stats import bernoulli
>>> import matplotlib.pyplot as plt
>>> fig, ax = plt.subplots(1, 1)

计算前四个时刻：

>>> p = 0.3
>>> mean, var, skew, kurt = bernoulli.stats(p, moments='mvsk')

显示概率质量函数(pmf)：

>>> x = np.arange(bernoulli.ppf(0.01, p),
...               bernoulli.ppf(0.99, p))
>>> ax.plot(x, bernoulli.pmf(x, p), 'bo', ms=8, label='bernoulli pmf')
>>> ax.vlines(x, 0, bernoulli.pmf(x, p), colors='b', lw=5, alpha=0.5)

或者，可以调用分布对象(作为函数)来固定形状和位置。这将返回一个 “frozen” RV 对象，其中包含固定的给定参数。

冻结分布并显示冻结的 pmf ：

>>> rv = bernoulli(p)
>>> ax.vlines(x, 0, rv.pmf(x), colors='k', linestyles='-', lw=1,
...         label='frozen pmf')
>>> ax.legend(loc='best', frameon=False)
>>> plt.show()

检查 cdf 和 ppf 的准确性：

>>> prob = bernoulli.cdf(x, p)
>>> np.allclose(x, bernoulli.ppf(prob, p))
True

生成随机数：

>>> r = bernoulli.rvs(p, size=1000)