scipy stats.betaprime() | Python

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

Deja una respuesta

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