scipy.stats.boltzmann() es una variable aleatoria discreta de Boltzmann (exponencial discreta truncada). Se hereda de los métodos genéricos como una instancia de la clase rv_discrete . Completa los métodos con detalles específicos para esta distribución en particular.
Parámetros:
x : cuantiles
loc : [opcional] parámetro de ubicación. Predeterminado = 0
escala: [opcional] parámetro de escala. Predeterminado = 1
momentos: [opcional] compuesto por letras [‘mvsk’]; ‘m’ = media, ‘v’ = varianza, ‘s’ = sesgo de Fisher y ‘k’ = curtosis de Fisher. (predeterminado = ‘MV’).Resultados : variable aleatoria discreta de boltzmann
Código #1: Creando una variable aleatoria discreta de Boltzmann
# importing library from scipy.stats import boltzmann numargs = boltzmann .numargs a, b = 0.2, 0.8 rv = boltzmann (a, b) print ("RV : \n", rv)
Producción :
RV : scipy.stats._distn_infrastructure.rv_frozen object at 0x0000016A4C37A988
Código #2: variables discretas de Boltzmann y distribución de probabilidad
import numpy as np quantile = np.arange (0.01, 1, 0.1) # Random Variates R = boltzmann .rvs(a, b, size = 10) print ("Random Variates : \n", R) # PDF x = np.linspace(boltzmann.ppf(0.01, a, b), boltzmann.ppf(0.99, a, b), 10) R = boltzmann.ppf(x, 1, 3) print ("\nProbability Distribution : \n", R)
Producción :
Random Variates : [0 0 0 0 0 0 0 0 0 0] Probability Distribution : [-1. -1. -1. -1. -1. -1. -1. -1. -1. -1.]
Código #3: Representación gráfica.
import numpy as np import matplotlib.pyplot as plt distribution = np.linspace(0, np.minimum(rv.dist.b, 2)) print("Distribution : \n", distribution) plot = plt.plot(distribution, rv.ppf(distribution))
Producción :
Distribution : [0. 0.04081633 0.08163265 0.12244898 0.16326531 0.20408163 0.24489796 0.28571429 0.32653061 0.36734694 0.40816327 0.44897959 0.48979592 0.53061224 0.57142857 0.6122449 0.65306122 0.69387755 0.73469388 0.7755102 0.81632653 0.85714286 0.89795918 0.93877551 0.97959184 1.02040816 1.06122449 1.10204082 1.14285714 1.18367347 1.2244898 1.26530612 1.30612245 1.34693878 1.3877551 1.42857143 1.46938776 1.51020408 1.55102041 1.59183673 1.63265306 1.67346939 1.71428571 1.75510204 1.79591837 1.83673469 1.87755102 1.91836735 1.95918367 2. ]
Código #4: Argumentos Posicionales Variantes
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 5, 100) # Varying positional arguments y1 = boltzmann.ppf(x, a, b) y2 = boltzmann.pmf(x, a, b) plt.plot(x, y1, "*", x, y2, "r--")
Producción :
Publicación traducida automáticamente
Artículo escrito por mathemagic y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA