Die Python -Programmiersprache hat mathematische, statistische und wissenschaftliche Berechnungen extrem einfach und einfach gemacht, indem sie unglaublich nützliche und einfache Bibliotheken liefert. Die Scipy Library bietet eine lange Liste von Funktionen, mit denen eine Vielzahl von Anwendungen entwickelt werden. Es ist eine der häufig verwendeten Funktionen der Scipy -Bibliothek, um die Exponentialverteilung zu generieren. Das Statistikpaket in der Scipy -Bibliothek hat eine Expon () -Funktion, mit der die exponentielle kontinuierliche Zufallsvariable generiert wird. Dieser Artikel führt Sie durch die Schritt-für-Schritt-Anleitung, um herauszufinden, wie die Scipy.Statistiken.Expo () Funktions funktioniert.

Was ist exponentielle Verteilung?

Die Exponentialverteilung kann als kontinuierliche Wahrscheinlichkeitsverteilung definiert werden, die hauptsächlich in der Statistik und der Wahrscheinlichkeitstheorie verwendet wird. Der Zweck davon ist zu beschreiben, wie oft ein Ereignis auftritt. Die Exponentialverteilung ist eine Reihe von unabhängigen Vorkommen, die mit fester Durchschnittsrate konsequent stattfinden. Es wird häufig verwendet, um zu berechnen, wie lange ein Ereignis dauern sollte, um auftreten. Das Konzept der exponentiellen Verteilung ist sowohl in Statistiken als auch in Python gleich. Python bietet nur eine automatische Funktion, um die Exponentialverteilung für die Exponentialverteilung der Statistiken zu erstellen. In diesem Leitfaden wird absichtlich erklärt, wie die Exponentialverteilung mit der Scipy -Bibliothek berechnet wird.

Scipy.Statistiken.Expon () Python -Funktion

Die vom Statistikpaket und der Scipy Library bereitgestellte Expon () -Funktion ist eine exponentielle kontinuierliche Zufallsvariable, die mit einem bestimmten Formparameter und einem bestimmten Standardformat definiert ist. Es benötigt mehrere erforderliche und optionale Parameter, um ihre Spezifikation zu vervollständigen, und gibt die exponentielle kontinuierliche Zufallsvariable zurück. Lassen Sie uns die Syntax der expon () -Funktion sehen und lernen, um zu verstehen, welche Parameter wir zur Verfügung stellen müssen, um sie bereitzustellen.

Syntax der Skipei.Statistiken.Expon ()

Im Allgemeinen folgt die Expon () -Funktion der Wahrscheinlichkeitsdichtefunktion, die wie folgt lautet:

Die Syntax der Skipie.Statistiken.Expon () -Funktion ist wie folgt:

Die expon () -Funktion funktioniert mit verschiedenen Methoden der RV_Continuous -Klasse und jede Methode nimmt unterschiedliche Parameter an. Wir haben jedoch alle Parameter aufgeführt, um zu verstehen.

Der Parameter „X“ wird verwendet, um die Quantile im Array -ähnlichen Objekt bereitzustellen. Der Parameter „Q“ wird verwendet, um die untere oder obere Schwanzwahrscheinlichkeit in einem Array -ähnlichen Objekt zu definieren. Der Parameter „loc“ repräsentiert den Standort. Der Parameter „Skalen“ repräsentiert die Skala. Der Parameter „Größe“ repräsentiert die Form der zufälligen Variationen. Und schließlich wird der Parameter „Momente“ verwendet, um die Momente anzugeben, die aus der Kombination von MVSK berechnet werden sollen. Das MVSK ist eine Kombination von Momenten, die mit jeder RV_Contious -Klassenfunktion ausgeführt werden können. Das „M“ von MVSK repräsentiert den Mittelwert „V“, die Varianz darstellt, „S“ Fisher's Tief und „k“ Fisher's Kurtosis darstellt.

Standardmäßig ist der Momentenparameter MV. Infolgedessen gibt die Funktion expon () die exponentielle kontinuierliche Zufallsvariable zurück. Lassen Sie uns einige Beispiele zeigen, um zu erfahren, wie die Funktion expon () in Python -Programmen verwendet wird.

Beispiel 1:

Lassen Sie uns eine exponentielle kontinuierliche Zufallsvariable erstellen. Betrachten Sie den angegebenen Beispielcode im Folgenden:

von Scipy.Statistiken importieren Expon
num = expon.numargs
[] = [0.4,] * num
ecrv = expon ()
print ("exponentielle kontinuierliche zufällige Variable: \ n \ n", ecrv)

Zunächst wird die Scipy -Bibliothek in das Programm importiert, um die Funktion des Statistikpakets und der Expon () -Funktion aufzurufen. Die Funktion von Expon () wird verwendet, um die Numargs -Methode aufzurufen, um die exponentielle kontinuierliche Zufallsvariable zu erstellen. Dieses Programm ist sehr einfach und kurz. Sie können es leicht verstehen und in Ihren Programmen verwenden. Lassen Sie uns nun die erzeugte Ausgabe im Folgenden sehen:

Beispiel 2:

Wir haben gelernt, wie man die exponentielle kontinuierliche Zufallsvariable mit der Scipy Library und ihrer Expon () -Funktion erstellt. Lassen Sie uns lernen, wie Sie die Wahrscheinlichkeitsverteilung mit den exponentiellen Zufallsvariationen generieren können. Betrachten Sie den angegebenen Beispielcode im Folgenden:

Numph als NP importieren
von Scipy.Statistiken importieren Expon
q = np.Arange (0.09, 1, 0.2)
ecrv = expon.Wohnmobile (Skala = 3, Größe = 15)
print ("exponentielle kontinuierliche zufällige Variationen: \ n \ n", ecrv)
ex = expon.PDF (q, loc = 0, Skala = 2)
print ("\ nProbability Distribution: \ n", ex)

Erstens wird die Numpy -Bibliothek als NP in das Programm importiert. Danach ist die zweite Bibliothek, die wir importiert haben. Das Datenarray wird mit dem NP deklariert.Arange () Funktion. Die exponentielle kontinuierliche Zufallsvariable wird mit dem Expon erstellt.RVS () -Methode durch Übergabe der Skala = 3 und Größe = 15. Das komponierte Datenarray wird an den Expon übergeben.PDF () -Funktion zum Erstellen der Wahrscheinlichkeitsverteilung. Die PDF steht für die Wahrscheinlichkeitsdichtefunktion und wird verwendet, um die Wahrscheinlichkeitsverteilung zu berechnen. Der Ort für die Wahrscheinlichkeitsverteilung ist als loc = angegeben und die Skala ist als Skala = 2 angegeben. Lassen Sie uns nun überprüfen, welches Ergebnis die expon () -Funktion erzeugt wird. Siehe die folgende Ausgabe:

Beispiel 3:

Wir haben gelernt, wie man die exponentielle kontinuierliche Zufallsvariable und Wahrscheinlichkeitsverteilung unter Verwendung der PDF -Methode der RV_Continuous -Klasse erstellt. Lassen Sie uns lernen, wie Sie in diesem Beispiel die exponentielle kontinuierliche Zufallsvariable anzeigen. Betrachten Sie den folgenden Code:

Numph als NP importieren
von Scipy.Statistiken importieren Expon
Matplotlib importieren.Pyplot als PLT
ecrv = np.Linspace (0, NP.Minimum (RV.distanzieren.B, 25))
print ("exponentielle kontinuierliche zufällige Variationen: \ n \ n", ecrv)
Diagramm = PLT.Diagramm (ECRV, RV.PDF (ECRV))

In diesem Beispielprogramm importieren wir zuerst die Numpy -Bibliothek. Dazu wird die Aussage „Import numpy as np“ verwendet, da wir die Funktionen der Numpy -Bibliothek verwenden müssen. Danach ist die zweite Bibliothek Scipy, die für die Verwendung der Expon () -Funktion importiert wird. Die dritte und letzte Bibliothek, die wir importiert haben, ist Matplotlib. Es wird verwendet, um die Daten in der Grafik zu zeichnen. Die Daten zum Erstellen der exponentiellen kontinuierlichen Zufallsvariablen werden mit dem NP generiert.Linspace () -Funktion. Um die generierten exponentiellen kontinuierlichen Zufallsvarianten zu zeichnen, verwenden wir die PLT.Plot () Funktion. Lassen Sie uns nun die exponentiellen kontinuierlichen zufälligen Varianten und ihre aufgetragene Grafik im folgenden Ergebnis sehen:

Abschluss

Dieser Leitfaden dient als schneller und kurzer Überblick über die Exponentialverteilung Scipy. Hier haben wir das Konzept der exponentiellen Verteilung in Statistiken und welche Wahrscheinlichkeitstheorie gelernt haben. Danach haben wir gelernt, wie man die exponentielle kontinuierliche Zufallsvariable als Python -Programm erstellt. Wir haben auch etwas über die Expon () -Funktion der Scipy -Bibliothek erfahren, um die exponentielle kontinuierliche Zufallsvariable in einem Python -Programm zu erstellen. Mit Hilfe von Beispielen haben wir gezeigt, wie die Expon () -Funktion in einem Python -Programm verwendet wird, um die exponentielle kontinuierliche Zufallsvariable zu generieren und zu zeichnen.