Python Scipy stats.genexpon()用法及代码示例

scipy.stats.genexpon()是广义 index 连续随机变量，使用标准格式和一些形状参数定义它以完成其规格。

参数：
-> q :上下尾概率
-> 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。
-> a，b，c：形状参数
-> 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”)。

Results:广义 index 连续随机变量

代码1：创建广义 index 连续随机变量

from scipy.stats import genexpon  
  
numargs = genexpon .numargs 
[a, b, c] = [0.7, ] * numargs 
rv = genexpon (a, b, c) 
  
print ("RV:\n", rv) 

输出：

RV:
 <scipy.stats._distn_infrastructure.rv_frozen object at 0x0000018D57997F60>

代码2：广义 index 随机变量。

import numpy as np 
quantile = np.arange (0.01, 1, 0.1) 
   
# Random Variates 
R = genexpon.rvs(a, scale = 2,  size = 10) 
print ("Random Variates:\n", R)

输出：

Random Variates:
 [0.74505484 2.02790441 2.06823675 3.96275674 1.24274054 3.71331036
 0.53957521 0.37359838 2.53934153 2.36254065]

Probability Distribution:
 [0.43109163 0.45222638 0.47102054 0.48773188 0.50258763 0.51578837
 0.52751153 0.53791424 0.54713591 0.55530037]

代码3：图形表示。

import numpy as np 
import matplotlib.pyplot as plt 
  
distribution = np.linspace(0, np.minimum(rv.dist.b, 3)) 
print("Distribution:\n", distribution) 
  
plot = plt.plot(distribution, rv.pdf(distribution))

输出：

Distribution:
 [0.         0.06122449 0.12244898 0.18367347 0.24489796 0.30612245
 0.36734694 0.42857143 0.48979592 0.55102041 0.6122449  0.67346939
 0.73469388 0.79591837 0.85714286 0.91836735 0.97959184 1.04081633
 1.10204082 1.16326531 1.2244898  1.28571429 1.34693878 1.40816327
 1.46938776 1.53061224 1.59183673 1.65306122 1.71428571 1.7755102
 1.83673469 1.89795918 1.95918367 2.02040816 2.08163265 2.14285714
 2.20408163 2.26530612 2.32653061 2.3877551  2.44897959 2.51020408
 2.57142857 2.63265306 2.69387755 2.75510204 2.81632653 2.87755102
 2.93877551 3.        ]

代码4：更改位置参数

import matplotlib.pyplot as plt 
import numpy as np 
  
x = np.linspace(0, 5, 100) 
  
# Varying positional arguments 
y1 = genexpon.pdf(x, a, 1, 3) 
y2 = genexpon.pdf(x, a, 1, 4) 
plt.plot(x, y1, "*", x, y2, "r--")

输出：