Python – Distribución Discreta Binomial Negativa en Estadística

scipy.stats.nbinom() es una variable aleatoria discreta binomial negativa. 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 binomial discreta negativa

Código #1: Creación de una variable aleatoria binomial discreta negativa

# importing library
  
from scipy.stats import nbinom 
    
numargs = nbinom .numargs 
a, b = 0.2, 0.8
rv = nbinom (a, b) 
    
print ("RV : \n", rv)  

Producción :

RV : 
 scipy.stats._distn_infrastructure.rv_frozen object at 0x0000016A4C016208

Código n.º 2: variable discreta binomial negativa y distribución de probabilidad

import numpy as np 
quantile = np.arange (0.01, 1, 0.1) 
  
# Random Variates 
R = nbinom .rvs(a, b, size = 10) 
print ("Random Variates : \n", R) 
  
# PDF 
x = np.linspace(nbinom.ppf(0.01, a, b),
                nbinom.ppf(0.99, a, b), 10)
R = nbinom.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. 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(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 = nbinom.ppf(x, a, b) 
y2 = nbinom.pmf(x, a, b) 
plt.plot(x, y1, "*", x, y2, "r--") 

Producción :