Python sympy.stats.ExGaussian()用法及代码示例

借助sympy.stats.ExGaussian()方法，我们可以获得代表 index 修正高斯分布的连续随机变量。

用法： sympy.stats.ExGaussian(name, mean, std, rate)

返回：Return continuous random variable.

范例1：
在这个例子中，我们可以通过使用sympy.stats.ExGaussian()通过使用该方法，我们能够获得代表 index 修正的高斯分布的连续随机变量。

# Import sympy and ExGaussian 
from sympy.stats import ExGaussian, density 
from sympy import Symbol 
  
mean = Symbol("mean", integer = True, positive = True) 
std = Symbol("std", integer = True, positive = True) 
rate = Symbol("rate", integer = True, positive = True) 
z = Symbol("z") 
  
# Using sympy.stats.ExGaussian() method 
X = ExGaussian("x", mean, std, rate) 
gfg = density(X)(z) 
  
pprint(gfg)

输出：

/ 2 \
rate*\2*mean + rate*std - 2*z/
——————————- / ___ / 2 \\
2 |\/ 2 *\mean + rate*std - z/|
rate*e *erfc|—————————-|
\ 2*std /
————————————————————————
2

范例2：

# Import sympy and ExGaussian 
from sympy.stats import ExGaussian, density 
from sympy import Symbol 
  
mean = 22
std = 21
rate = 7
z = 0.4
  
# Using sympy.stats.ExGaussian() method 
X = ExGaussian("x", mean, std, rate) 
gfg = density(X)(z) 
  
pprint(gfg)

输出：

/ ___\
3.50044639861837e+4758*erfc\74.0142857142857*\/ 2 /

相关用法

注：本文由纯净天空筛选整理自Jitender_1998大神的英文原创作品 sympy.stats.ExGaussian() in 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。