当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python Scipy stats.beta()用法及代码示例


scipy.stats.beta()是一个beta连续随机变量,使用标准格式和一些形状参数进行定义以完成其规格。

参数:
q :上下尾概率
a,b:形状参数
x :分位数
loc :[可选]位置参数。默认值= 0
scale :[可选]比例参数。默认值= 1
size :[int型元组,可选]形状或随机变量。
moments :[可选]由字母['mvsk']组成; “ m” =均值,“ v” =方差,“ s” = Fisher的偏度,“ k” = Fisher的峰度。 (默认=“ MV”)。


结果:beta连续随机变量

代码1:创建Beta连续随机变量

# importing scipy 
from scipy.stats import beta 
  
numargs = beta.numargs 
[a, b] = [0.6, ] * numargs 
rv = beta(a, b) 
  
print ("RV : \n", rv)

输出:

RV : 
 <scipy.stats._distn_infrastructure.rv_frozen object at 0x0000029482FCC438>

代码2:β随机变量和概率分布函数。

import numpy as np 
quantile = np.arange (0.01, 1, 0.1) 
   
# Random Variates 
R = beta.rvs(a, b, scale = 2,  size = 10) 
print ("Random Variates : \n", R) 
  
# PDF 
R = beta.pdf(quantile, a, b, loc = 0, scale = 1) 
print ("\nProbability Distribution : \n", R)

输出:

Random Variates : 
 [1.47189604 1.47284574 1.84692416 1.0686604  0.32709236 1.96857076
 0.00639731 1.97093898 1.34811881 0.34269426]

Probability Distribution : 
 [2.62281037 1.04883674 0.84934164 0.76724957 0.73040985 0.72096547
 0.73529768 0.77903762 0.8752367  1.1264383 ]

代码3:图形表示。

import numpy as np 
import matplotlib.pyplot as plt 
  
distribution = np.linspace(0, np.maximum(rv.dist.b, 5)) 
plot = plt.plot(distribution, rv.pdf(distribution))

输出:

代码4:改变位置参数

from scipy.stats import arcsine 
import matplotlib.pyplot as plt 
import numpy as np 
  
x = np.linspace(0, 1.0, 100) 
  
# Varying positional arguments 
y1 = beta.pdf(x, 2.75, 2.75) 
y2 = beta.pdf(x, 3.25, 3.25) 
plt.plot(x, y1, "*", x, y2, "r--")

输出:



相关用法


注:本文由纯净天空筛选整理自vishal3096大神的英文原创作品 scipy stats.beta() | Python。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。