Python: distribución discreta de Skellam en estadísticas

scipy.stats.skellam() es una variable aleatoria discreta de Skellam. 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 Skellam

Código #1: Creación de una variable aleatoria discreta Skellam

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

Producción :

RV : 
 scipy.stats._distn_infrastructure.rv_frozen object at 0x0000016A4D865848

Código n.º 2: variables discretas de Skellam y distribución de probabilidad

import numpy as np 
quantile = np.arange (0.01, 1, 0.1) 
  
# Random Variates 
R = skellam .rvs(a, b, size = 10) 
print ("Random Variates : \n", R) 
  
# PDF 
x = np.linspace(skellam.ppf(0.01, a, b),
                skellam.ppf(0.99, a, b), 10)
R = skellam.ppf(x, 1, 3)
print ("\nProbability Distribution : \n", R) 

Producción :

Random Variates : 
 [ 3  0  0 15  0  1  4  2  0  6]

Probability Distribution : 
 [ 4. 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 = skellam.ppf(x, a, b) 
y2 = skellam.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

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *