Python -programmeringsspråk har gjort matematisk, statistisk og vitenskapelig beregning ekstremt enkel og enkel ved å tilby utrolig nyttige og enkle biblioteker. Scipy Library tilbyr en lang liste over funksjoner som brukes til å utvikle en rekke applikasjoner. Det er en av de ofte brukte funksjonene til Scipy -biblioteket for å generere eksponentiell distribusjon. Statistikkpakken i Scipy Library har en Expon () -funksjon som brukes til å generere den eksponentielle kontinuerlige tilfeldige variabelen. Denne artikkelen tar deg gjennom trinn-for-trinn-guiden for å utdype hvordan Scipy.statistikk.Expo () Funksjon fungerer.

Hva er eksponentiell distribusjon?

Eksponentiell distribusjon kan defineres som en kontinuerlig sannsynlighetsfordeling som først og fremst brukes i statistikk og sannsynlighetsteori. Hensikten med dette er å beskrive hvor ofte en hendelse vil oppstå. Eksponentiell distribusjon er en serie uavhengige forekomster som foregår konsekvent med en fast gjennomsnittlig hastighet. Det brukes ofte til å beregne hvor lang tid en hendelse skal ta å skje. Konseptet med eksponentiell distribusjon er det samme i både statistikk og Python. Python gir nettopp en automatisk funksjon for å lage eksponentiell distribusjon for eksponentiell distribusjon av statistikk. Denne guiden vil bevisst forklare hvordan du beregner eksponentiell distribusjon ved hjelp av Scipy Library.

Scipy.Statistikk.Expon () Python -funksjon

Expon () -funksjonen levert av statistikkpakken og Scipy Library er en eksponentiell kontinuerlig tilfeldig variabel definert med en viss formparameter og standardformat. Det tar flere nødvendige og valgfrie parametere for å fullføre spesifikasjonen og returnerer den eksponentielle kontinuerlige tilfeldige variabelen. La oss se og lære syntaksen til Expon () -funksjonen for å forstå hvilke parametere vi trenger for å gi den.

Syntaks av scipy.Statistikk.Expon ()

Generelt følger Expon () -funksjonen sannsynlighetstetthetsfunksjonen som er som følger:

Syntaksen til scipy.statistikk.Expon () -funksjonen er som følger:

Expon () -funksjonen fungerer med forskjellige metoder for RV_Continuous -klassen, og hver metode tar forskjellige parametere. Imidlertid listet vi alle parametrene for å hjelpe deg med å forstå hva slags inngangsparametere trenger du å gi med hvilken.

"X" -parameteren brukes til å gi kvantilene i matrisen som objekt. "Q" -parameteren brukes til å definere sannsynligheten for nedre eller øvre haler i en matrise som objekt. "Loc" -parameteren representerer stedet. "Skala" -parameteren representerer skalaen. "Størrelse" -parameteren representerer formen til de tilfeldige variatene. Og til slutt brukes parameteren "Moments". MVSK er en kombinasjon av øyeblikk som kan utføres med hvilken som helst RV_Contiuous klassefunksjon. "M" fra MVSK representerer gjennomsnittet, "V" representerer variansen, "S" representerer Fishers skjevhet, og "K" representerer Fishers kurtose.

Som standard er parameteren MVE MV MV. Som et resultat returnerer Expon () -funksjonen den eksponentielle kontinuerlige tilfeldige variabelen. La oss demonstrere noen eksempler for å lære å bruke Expon () -funksjonen i Python -programmer.

Eksempel 1:

La oss lage en eksponentiell kontinuerlig tilfeldig variabel. Tenk på den gitte prøvekoden i det følgende:

Fra scipy.Statistikk importerer ekspon
num = ekspon.numargs
[] = [0.4,] * num
ECRV = Expon ()
Print ("Eksponentiell kontinuerlig tilfeldig variabel: \ n \ n", ECRV)

Først importeres Scipy -biblioteket til programmet for å ringe statistikkpakken og Expon () -funksjonen. Expon () -funksjonen brukes til å kalle numargs -metoden for å lage den eksponentielle kontinuerlige tilfeldige variabelen. Dette programmet er veldig enkelt og kort, du kan enkelt forstå det og bruke det i programmene dine. La oss nå se den genererte utgangen i følgende:

Eksempel 2:

Vi lærte hvordan vi lager den eksponentielle kontinuerlige tilfeldige variabelen med Scipy Library og Expon () -funksjonen. La oss lære å generere sannsynlighetsfordelingen med eksponentielle tilfeldige variasjoner. Tenk på den gitte prøvekoden i det følgende:

Importer numpy som NP
Fra scipy.Statistikk importerer ekspon
Q = NP.Arange (0.09, 1, 0.2)
ECRV = EXPON.RVS (skala = 3, størrelse = 15)
PRINT ("Eksponentiell kontinuerlig tilfeldige variater: \ n \ n", ECRV)
ex = ekspon.pdf (q, loc = 0, skala = 2)
Print ("\ nProbability Distribution: \ n", eks)

Først importeres Numpy -biblioteket til programmet som NP siden vi trenger Numpy -biblioteket for å lage et Numpy -rekke data. Etter det er det andre biblioteket som vi importerte Scipy Library, Statistikk -pakken og deres Expon () -funksjon. Dataoppstillingen er deklarert med NP.Arange () -funksjon. Den eksponentielle kontinuerlige tilfeldige variabelen opprettes med eksponen.RVS () -metode ved å passere skalaen = 3 og størrelse = 15. Den sammensatte dataarrayen sendes til eksponen.PDF () -funksjon for å opprette sannsynlighetsfordelingen. PDF står for sannsynlighetstetthetsfunksjon, og den brukes til å beregne sannsynlighetsfordelingen. Plasseringen for sannsynlighetsfordelingen er gitt som LOC = og skalaen er gitt som skala = 2. La oss nå sjekke hvilket resultat som er generert ekspon (). Se følgende utgang:

Eksempel 3:

Vi lærte hvordan vi lager den eksponentielle kontinuerlige tilfeldige variabelen og sannsynlighetsfordelingen ved bruk av PDF -metoden i RV_Continuous -klassen. La oss lære å vise den eksponentielle kontinuerlige tilfeldige variabelen i dette eksemplet. Tenk på følgende kode:

Importer numpy som NP
Fra scipy.Statistikk importerer ekspon
Importer matplotlib.Pyplot som Plt
ECRV = NP.Linspace (0, NP.Minimum (RV.dist.B, 25))
PRINT ("Eksponentiell kontinuerlig tilfeldige variater: \ n \ n", ECRV)
plot = plt.plot (ECRV, RV.PDF (ECRV))

I dette eksempelprogrammet importerer vi først Numpy Library. For å gjøre det, brukes "import numpy as np" -uttalelsen siden vi trenger å bruke funksjonene til Numpy Library. Etter det er det andre biblioteket Scipy som importeres for å bruke Expon () -funksjonen. Det tredje og siste biblioteket som vi importerte er matplotlib. Det brukes til å plotte dataene i grafen. Dataene for å lage den eksponentielle kontinuerlige tilfeldige variabelen genereres med NP.linspace () -funksjon. For å plotte de genererte eksponentielle kontinuerlige tilfeldige variantene, bruker vi PLT.plot () funksjon. La oss nå se de eksponentielle kontinuerlige tilfeldige variantene og deres plottede graf i følgende resultat:

Konklusjon

Denne guiden fungerer som en rask og kort oversikt over den scipy eksponentielle distribusjonen. Her lærte vi begrepet eksponentiell distribusjon i statistikk og hva sannsynlighetsteori er. Etter det lærte vi hvordan vi lager den eksponentielle kontinuerlige tilfeldige variabelen som et Python -program. Vi lærte også om Expon () -funksjonen til Scipy -biblioteket for å lage den eksponentielle kontinuerlige tilfeldige variabelen i et Python -program. Ved hjelp av eksempler demonstrerte vi hvordan vi bruker Expon () -funksjonen i et Python -program for å generere og plotte den eksponentielle kontinuerlige tilfeldige variabelen.