统计中的 Python–拉普拉斯分布
scipy.stats .拉普拉斯()是拉普拉斯连续随机变量。它继承自泛型方法的，作为 rv_continuous 类的实例。它用特定于这个特定分布的细节来完成这些方法。
参数:
q : 上下尾概率 T3】x:分位数 loc : 【可选】位置参数。默认= 0 比例:【可选】比例参数。默认值= 1 大小:【整数元组，可选】形状或随机变量。 时刻:【可选】由字母['mvsk']组成；m’=均值，‘v’=方差，‘s’= Fisher 偏斜度，‘k’= Fisher 峰度。(默认值= 'mv ')。
结果:拉普拉斯连续随机变量
代码#1:创建拉普拉斯连续随机变量
# importing library
from scipy.stats import laplace
numargs = laplace.numargs
a, b = 4.32, 3.18
rv = laplace(a, b)
print ("RV : \n", rv)
输出:
RV :
scipy.stats._distn_infrastructure.rv_frozen object at 0x000002A9D4DAF708
代码#2:拉普拉斯连续变量和概率分布
import numpy as np
quantile = np.arange (0.01, 1, 0.1)
# Random Variates
R = laplace.rvs(a, b)
print ("Random Variates : \n", R)
# PDF
R = laplace.pdf(a, b, quantile)
print ("\nProbability Distribution : \n", R)
输出:
Random Variates :
10.613266250400734
Probability Distribution :
[1.54667501e-48 1.43452207e-04 1.04508615e-02 4.07873394e-02
7.56198196e-02 1.04863398e-01 1.26475923e-01 1.41381881e-01
1.51096956e-01 1.56988338e-01]
代码#3:图形表示。
import numpy as np
import matplotlib.pyplot as plt
distribution = np.linspace(0, np.minimum(rv.dist.b, 3))
print("Distribution : \n", distribution)
plot = plt.plot(distribution, rv.pdf(distribution))
输出:
Distribution :
[0\. 0.06122449 0.12244898 0.18367347 0.24489796 0.30612245
0.36734694 0.42857143 0.48979592 0.55102041 0.6122449 0.67346939
0.73469388 0.79591837 0.85714286 0.91836735 0.97959184 1.04081633
1.10204082 1.16326531 1.2244898 1.28571429 1.34693878 1.40816327
1.46938776 1.53061224 1.59183673 1.65306122 1.71428571 1.7755102
1.83673469 1.89795918 1.95918367 2.02040816 2.08163265 2.14285714
2.20408163 2.26530612 2.32653061 2.3877551 2.44897959 2.51020408
2.57142857 2.63265306 2.69387755 2.75510204 2.81632653 2.87755102
2.93877551 3\. ]
代码#4:变化的位置参数
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 5, 100)
# Varying positional arguments
y1 = laplace .pdf(x, 1, 3)
y2 = laplace .pdf(x, 1, 4)
plt.plot(x, y1, "*", x, y2, "r--")
输出:
版权属于：月萌API www.moonapi.com，转载请注明出处
