scipy.stats.betaprime() es una variable aleatoria continua beta principal que se define con un formato estándar y algunos parámetros de forma para completar su especificación.
Parámetros:
q: probabilidad de cola inferior y superior
a, b: parámetros de forma
x: cuantiles
loc: [opcional] parámetro de ubicación. 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 beta prima
Código #1: Creación de una variable aleatoria continua betaprime
# importing scipy from scipy.stats import betaprime numargs = betaprimeprime.numargs [a, b] = [0.6, ] * numargs rv = betaprimeprime(a, b) print ("RV : \n", rv)
Producción :
RV : <scipy.stats._distn_infrastructure.rv_frozen object at 0x0000029482FCC438>
Código #2: variables aleatorias betaprimas y distribución de probabilidad.
import numpy as np quantile = np.arange (0.01, 1, 0.1) # Random Variates R = betaprime.rvs(a, b, scale = 2, size = 10) print ("Random Variates : \n", R) # PDF R = betaprime.pdf(quantile, a, b, loc = 0, scale = 1) print ("\nProbability Distribution : \n", R)
Producción :
Random Variates : [ 1.59603917 1.92408727 1.2120992 0.34064091 2.68681773 22.99956678 1.45523032 2.93360219 23.93717261 18.04203815] Probability Distribution : [2.58128122 0.8832351 0.61488062 0.47835546 0.39160163 0.33053737 0.28490363 0.24941484 0.22101038 0.1977718 ]
Código #3: Representación gráfica.
import numpy as np import matplotlib.pyplot as plt distribution = np.linspace(0, np.minimum(rv.dist.b, 5)) print("Distribution : \n", distribution) plot = plt.plot(distribution, rv.pdf(distribution))
Producción :
Distribution : [0. 0.10204082 0.20408163 0.30612245 0.40816327 0.51020408 0.6122449 0.71428571 0.81632653 0.91836735 1.02040816 1.12244898 1.2244898 1.32653061 1.42857143 1.53061224 1.63265306 1.73469388 1.83673469 1.93877551 2.04081633 2.14285714 2.24489796 2.34693878 2.44897959 2.55102041 2.65306122 2.75510204 2.85714286 2.95918367 3.06122449 3.16326531 3.26530612 3.36734694 3.46938776 3.57142857 3.67346939 3.7755102 3.87755102 3.97959184 4.08163265 4.18367347 4.28571429 4.3877551 4.48979592 4.59183673 4.69387755 4.79591837 4.89795918 5. ]
Código #4: Argumentos Posicionales Variantes
from scipy.stats import arcsine import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 1.0, 100) # Varying positional arguments y1 = betaprime.pdf(x, 2.75, 2.75) y2 = betaprime.pdf(x, 3.25, 3.25) plt.plot(x, y1, "*", x, y2, "r--")
Producción :
Publicación traducida automáticamente
Artículo escrito por vishal3096 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA