Python Scipy stats.beta()用法及代碼示例

scipy.stats.beta()是一個beta連續隨機變量，使用標準格式和一些形狀參數進行定義以完成其規格。

參數：
q :上下尾概率
a，b：形狀參數
x :分位數
loc :[可選]位置參數。默認值= 0
scale :[可選]比例參數。默認值= 1
size :[int型元組，可選]形狀或隨機變量。
moments :[可選]由字母['mvsk']組成； “ m” =均值，“ v” =方差，“ s” = Fisher的偏度，“ k” = Fisher的峰度。 (默認=“ MV”)。

結果：beta連續隨機變量

代碼1：創建Beta連續隨機變量

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

輸出：

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

代碼2：β隨機變量和概率分布函數。

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)

輸出：

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 ]

代碼3：圖形表示。

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))

輸出：

代碼4：改變位置參數

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--")

輸出：

相關用法

注：本文由純淨天空篩選整理自vishal3096大神的英文原創作品 scipy stats.beta() | Python。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。