Python – Distribución Levy_stable en Estadísticas

scipy.stats.levy_stable() es una variable aleatoria continua estable de Levy. Se hereda de los métodos genéricos como una instancia de la clase rv_continuous . Completa los métodos con detalles específicos para esta distribución en particular.

Parámetros:

q : probabilidad de cola inferior y superior
x : cuantiles
loc : parámetro de ubicación [opcional]. Predeterminado = 0
escala: [opcional] parámetro de escala. Predeterminado = 1
tamaño: [tupla de enteros, opcional] forma o variantes aleatorias.
momentos: [opcional] compuesto por letras [‘mvsk’]; ‘m’ = media, ‘v’ = varianza, ‘s’ = sesgo de Fisher y ‘k’ = curtosis de Fisher. (predeterminado = ‘MV’).

Resultados: Variable aleatoria continua estable en Levy

Código n.º 1: Creación de una variable aleatoria continua de Levy estable en Levy

# importing library
  
from scipy.stats import levy_stable  
    
numargs = levy_stable.numargs 
a, b = 4.32, 3.18
rv = levy_stable(a, b) 
    
print ("RV : \n", rv)  

Producción :

RV : 
 scipy.stats._distn_infrastructure.rv_frozen object at 0x000002A9D6803648

Código n.º 2: Variables continuas estables a Levy y distribución de probabilidad

import numpy as np 
quantile = np.arange (0.03, 2, 0.21) 
  
# Random Variates 
R = levy_stable.rvs(1.8, -0.5, size = 10) 
print ("Random Variates : \n", R) 
  
# PDF 
R = levy_stable.pdf(a, b, quantile) 
print ("\nProbability Distribution : \n", R) 

Producción :

Random Variates : 
 [ 1.20654126 -0.56381774 -1.31527459 -0.90027222  0.52535969  0.03076316
 -4.69310302  0.61194358  1.31207992 -0.84552083]

Probability Distribution : 
 [nan nan nan nan nan nan nan nan nan nan]

Código #3: Representación gráfica.

import numpy as np 
import matplotlib.pyplot as plt 
     
distribution = np.linspace(levy_stable.ppf(0.01, 1.8, -0.5), 
                           levy_stable.ppf(0.99, 1.8, -0.5), 100) 
print("Distribution : \n", distribution)  

Producción :

Distribution : 
 [-4.92358285 -4.8368521  -4.75012136 -4.66339061 -4.57665986 -4.48992912
 -4.40319837 -4.31646762 -4.22973687 -4.14300613 -4.05627538 -3.96954463
 -3.88281389 -3.79608314 -3.70935239 -3.62262164 -3.5358909  -3.44916015
 -3.3624294  -3.27569866 -3.18896791 -3.10223716 -3.01550641 -2.92877567
 -2.84204492 -2.75531417 -2.66858343 -2.58185268 -2.49512193 -2.40839118
 -2.32166044 -2.23492969 -2.14819894 -2.06146819 -1.97473745 -1.8880067
 -1.80127595 -1.71454521 -1.62781446 -1.54108371 -1.45435296 -1.36762222
 -1.28089147 -1.19416072 -1.10742998 -1.02069923 -0.93396848 -0.84723773
 -0.76050699 -0.67377624 -0.58704549 -0.50031475 -0.413584   -0.32685325
 -0.2401225  -0.15339176 -0.06666101  0.02006974  0.10680048  0.19353123
  0.28026198  0.36699273  0.45372347  0.54045422  0.62718497  0.71391571
  0.80064646  0.88737721  0.97410796  1.0608387   1.14756945  1.2343002
  1.32103094  1.40776169  1.49449244  1.58122319  1.66795393  1.75468468
  1.84141543  1.92814618  2.01487692  2.10160767  2.18833842  2.27506916
  2.36179991  2.44853066  2.53526141  2.62199215  2.7087229   2.79545365
  2.88218439  2.96891514  3.05564589  3.14237664  3.22910738  3.31583813
  3.40256888  3.48929962  3.57603037  3.66276112]