Python: distribución discreta uniforme en estadísticas

scipy.stats.randint() es una variable aleatoria discreta uniforme. 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 uniforme

Código #1: Crear una variable aleatoria discreta uniforme

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

Producción :

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

Código #2: variables discretas uniformes y distribución de probabilidad

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

Producción :

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

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 = randint.ppf(x, a, b) 
y2 = randint.pmf(x, a, b) 
plt.plot(x, y1, "*", x, y2, "r--") 

Producción :