当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python SciPy stats.nbinom用法及代码示例


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

用法:

scipy.stats.nbinom = <scipy.stats._discrete_distns.nbinom_gen object>#

负二项式离散随机变量。

作为 rv_discrete 类的实例,nbinom 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

负二项分布说明了 i.i.d 的序列。重复伯努利试验,直到发生预定义的非随机成功次数。

nbinom 的失败次数的概率质量函数为:

对于

nbinom 作为形状参数,其中 是成功次数, 是单次成功的概率, 是单次失败的概率。

负二项分布的另一个常见参数化是根据平均失败次数 来实现 成功。平均值 与成功概率有关,因为

成功数量 也可以根据 “dispersion”, “heterogeneity” 或 “aggregation” 参数 来指定,它将平均值 与方差 相关,例如 。无论 使用的约定如何,

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,nbinom.pmf(k, n, p, loc) 等同于 nbinom.pmf(k - loc, n, p)

例子

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

计算前四个时刻:

>>> n, p = 5, 0.5
>>> mean, var, skew, kurt = nbinom.stats(n, p, moments='mvsk')

显示概率质量函数(pmf):

>>> x = np.arange(nbinom.ppf(0.01, n, p),
...               nbinom.ppf(0.99, n, p))
>>> ax.plot(x, nbinom.pmf(x, n, p), 'bo', ms=8, label='nbinom pmf')
>>> ax.vlines(x, 0, nbinom.pmf(x, n, 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 = nbinom(n, p)
>>> ax.vlines(x, 0, rv.pmf(x), colors='k', linestyles='-', lw=1,
...         label='frozen pmf')
>>> ax.legend(loc='best', frameon=False)
>>> plt.show()
scipy-stats-nbinom-1_00_00.png

检查 cdfppf 的准确性:

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

生成随机数:

>>> r = nbinom.rvs(n, p, size=1000)

相关用法


注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.stats.nbinom。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。