博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
python123文件字符分布_Python实现的各种常见分布算法示例
阅读量:4963 次
发布时间:2019-06-12

本文共 3381 字,大约阅读时间需要 11 分钟。

本文实例讲述了python实现的各种常见分布算法。分享给大家供大家参考,具体如下:

#-*- encoding:utf-8 -*-

import numpy as np

from scipy import stats

import matplotlib.pyplot as plt

#####################

#二项分布

#####################

def test_binom_pmf():

'''

为离散分布

二项分布的例子:抛掷10次硬币,恰好两次正面朝上的概率是多少?

'''

n = 10#独立实验次数

p = 0.5#每次正面朝上概率

k = np.arange(0,11)#0-10次正面朝上概率

binomial = stats.binom.pmf(k,n,p)

print binomial#概率和为1

print sum(binomial)

print binomial[2]

plt.plot(k, binomial,'o-')

plt.title('binomial: n=%i , p=%.2f' % (n,p),fontsize=15)

plt.xlabel('number of successes')

plt.ylabel('probability of success',fontsize=15)

plt.show()

def test_binom_rvs():

'''

为离散分布

使用.rvs函数模拟一个二项随机变量,其中参数size指定你要进行模拟的次数。我让python返回10000个参数为n和p的二项式随机变量

进行10000次实验,每次抛10次硬币,统计有几次正面朝上,最后统计每次实验正面朝上的次数

'''

binom_sim = data = stats.binom.rvs(n=10,p=0.3,size=10000)

print len(binom_sim)

print "mean: %g" % np.mean(binom_sim)

print "sd: %g" % np.std(binom_sim,ddof=1)

plt.hist(binom_sim,bins=10,normed=true)

plt.xlabel('x')

plt.ylabel('density')

plt.show()

#####################

#泊松分布

#####################

def test_poisson_pmf():

'''

泊松分布的例子:已知某路口发生事故的比率是每天2次,那么在此处一天内发生4次事故的概率是多少?

泊松分布的输出是一个数列,包含了发生0次、1次、2次,直到10次事故的概率。

'''

rate = 2

n = np.arange(0,10)

y = stats.poisson.pmf(n,rate)

print y

plt.plot(n, y, 'o-')

plt.title('poisson: rate=%i' % (rate), fontsize=15)

plt.xlabel('number of accidents')

plt.ylabel('probability of number accidents', fontsize=15)

plt.show()

def test_poisson_rvs():

'''

模拟1000个服从泊松分布的随机变量

'''

data = stats.poisson.rvs(mu=2, loc=0, size=1000)

print "mean: %g" % np.mean(data)

print "sd: %g" % np.std(data, ddof=1)

rate = 2

n = np.arange(0,10)

y = stats.poisson.rvs(n,rate)

print y

plt.plot(n, y, 'o-')

plt.title('poisson: rate=%i' % (rate), fontsize=15)

plt.xlabel('number of accidents')

plt.ylabel('probability of number accidents', fontsize=15)

plt.show()

#####################

#正态分布

#####################

def test_norm_pmf():

'''

正态分布是一种连续分布,其函数可以在实线上的任何地方取值。

正态分布由两个参数描述:分布的平均值μ和方差σ2 。

'''

mu = 0#mean

sigma = 1#standard deviation

x = np.arange(-5,5,0.1)

y = stats.norm.pdf(x,0,1)

print y

plt.plot(x, y)

plt.title('normal: $\mu$=%.1f, $\sigma^2$=%.1f' % (mu,sigma))

plt.xlabel('x')

plt.ylabel('probability density', fontsize=15)

plt.show()

#####################

#beta分布

#####################

def test_beta_pmf():

'''

β分布是一个取值在 [0, 1] 之间的连续分布,它由两个形态参数α和β的取值所刻画。

β分布的形状取决于α和β的值。贝叶斯分析中大量使用了β分布。

'''

a = 0.5#

b = 0.5

x = np.arange(0.01,1,0.01)

y = stats.norm.pdf(x,a,b)

print y

plt.plot(x, y)

plt.title('beta: a=%.1f, b=%.1f' % (a,b))

plt.xlabel('x')

plt.ylabel('probability density', fontsize=15)

plt.show()

#####################

#指数分布(exponential distribution)

#####################

def test_exp():

'''

指数分布是一种连续概率分布,用于表示独立随机事件发生的时间间隔。

比如旅客进入机场的时间间隔、打进客服中心电话的时间间隔、中文维基百科新条目出现的时间间隔等等。

'''

lambd = 0.5#

x = np.arange(0,15,0.1)

y =lambd * np.exp(-lambd *x)

print y

plt.plot(x, y)

plt.title('exponential: $\lambda$=%.2f' % (lambd))

plt.xlabel('x')

plt.ylabel('probability density', fontsize=15)

plt.show()

def test_expon_rvs():

'''

指数分布下模拟1000个随机变量。scale参数表示λ的倒数。函数np.std中,参数ddof等于标准偏差除以 $n-1$ 的值。

'''

data = stats.expon.rvs(scale=2, size=1000)

print "mean: %g" % np.mean(data)

print "sd: %g" % np.std(data, ddof=1)

plt.hist(data, bins=20, normed=true)

plt.xlim(0,15)

plt.title('simulating exponential random variables')

plt.show()

test_expon_rvs()

测试运行结果如下:

希望本文所述对大家python程序设计有所帮助。

如您对本文有疑问或者有任何想说的,请点击进行留言回复,万千网友为您解惑!

转载地址:http://dqqhp.baihongyu.com/

你可能感兴趣的文章
css-float浮动详细
查看>>
Opencv学习笔记——release和debug两个模式的运行问题
查看>>
安装VmwareTools遇到的问题
查看>>
awk 命令详解
查看>>
本地安装dubbox
查看>>
flex编译命令相关
查看>>
[vs 使用技巧] VS2013显示行数 行号
查看>>
正则表达式
查看>>
windows10下设置Tomcat开机启动图解教程
查看>>
Python
查看>>
关于尾递归
查看>>
material(一)
查看>>
任正非:为什么华为生死攸关的时刻,我反而要谈教育?
查看>>
STL::forward_list
查看>>
20144303 20145239 《信息安全系统设计基础》实验五 网络通信
查看>>
处理器调度算法
查看>>
SDN第三次作业
查看>>
java中的反射机制
查看>>
【iOS-cocos2d-X 游戏开发之七】整合Cocos2dX的Android项目到Xcode项目中,Android导入打包运行即可!...
查看>>
对string的一些扩展函数 分类: C/C++ 2...
查看>>