Python SciPy stats.geom用法及代码示例

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

用法:

scipy.stats.geom = <scipy.stats._discrete_distns.geom_gen object>#

几何离散随机变量。

作为 rv_discrete 类的实例，geom 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：

geom 的概率质量函数为：

\[f(k) = (1-p)^{k-1} p\]

对于\(k \ge 1\)，\(0 < p \leq 1\)

geom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，geom.pmf(k, p, loc) 等同于 geom.pmf(k - loc, p) 。

例子：

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

计算前四个时刻：

>>> p = 0.5
>>> mean, var, skew, kurt = geom.stats(p, moments='mvsk')

显示概率质量函数(pmf)：

>>> x = np.arange(geom.ppf(0.01, p),
...               geom.ppf(0.99, p))
>>> ax.plot(x, geom.pmf(x, p), 'bo', ms=8, label='geom pmf')
>>> ax.vlines(x, 0, geom.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 = geom(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 = geom.cdf(x, p)
>>> np.allclose(x, geom.ppf(prob, p))
True

生成随机数：

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