當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文


Python SciPy stats.nbinom用法及代碼示例


本文簡要介紹 python 語言中 scipy.stats.nbinom 的用法。

用法:

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

負二項式離散隨機變量。

作為 rv_discrete 類的實例,nbinom 對象從它繼承了一組通用方法(完整列表見下文),並用特定於此特定發行版的詳細信息來完成它們。

注意

負二項分布說明了 i.i.d 的序列。重複伯努利試驗,直到發生預定義的非隨機成功次數。

nbinom 的失敗次數的概率質量函數為:

對於

nbinom 作為形狀參數,其中 是成功次數, 是單次成功的概率, 是單次失敗的概率。

負二項分布的另一個常見參數化是根據平均失敗次數 來實現 成功。平均值 與成功概率有關,因為

成功數量 也可以根據 “dispersion”, “heterogeneity” 或 “aggregation” 參數 來指定,它將平均值 與方差 相關,例如 。無論 使用的約定如何,

上麵的概率質量函數以“standardized” 形式定義。要轉移分布,請使用 loc 參數。具體來說,nbinom.pmf(k, n, p, loc) 等同於 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)

計算前四個時刻:

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

顯示概率質量函數(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,可以調用分布對象(作為函數)來固定形狀和位置。這將返回一個 “frozen” RV 對象,其中包含固定的給定參數。

凍結分布並顯示凍結的 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

檢查 cdfppf 的準確性:

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

生成隨機數:

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

相關用法


注:本文由純淨天空篩選整理自scipy.org大神的英文原創作品 scipy.stats.nbinom。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。