SciPy stats.beta-Funktion
-
Die
scipy.stats.beta()
-Funktion - Beta kontinuierliche Zufallsvariable
- Beta-Zufallsvariablen und Wahrscheinlichkeitsverteilungsfunktion
Die Betaverteilung in der Statistik ist definiert als eine Gruppe aufeinanderfolgender Wahrscheinlichkeitsverteilungen, die zwischen dem Intervall [0,1] definiert sind. Die Beta-Verteilung hat zwei Parameter, die Formparameter genannt werden. Diese Formparameter werden mit α
und β
bezeichnet, die die Form der gesamten Verteilung steuern und die Exponenten einer Zufallsvariablen darstellen.
Die scipy.stats.beta()
-Funktion
Die scipy.stats.beta()
-Funktion der SciPy
-Bibliothek ist eine kontinuierliche Beta-Zufallsvariable, die mit verschiedenen Formparametern und einem Standardformat definiert ist, um die Spezifikationen der Funktion richtig zu vervollständigen.
Nachfolgend sind die Parameter der Funktion scipy.stats.beta
aufgeführt.
q |
Es definiert das obere und untere Endende der Wahrscheinlichkeit. |
a, b |
Es definiert die Formparameter der Funktion. |
x |
Es definiert die Quantile. |
loc |
Es definiert den Positionsparameter der Funktion. Der Standardwert dieser Funktion ist 0 . |
scale |
Der Standardwert des Parameters scale ist 1 . |
size |
Es ist in Form eines Tupels von ganzen Zahlen definiert. Es definiert die Form von Zufallsvariablen. |
moments |
Es wird durch Buchstaben definiert, d. h. msvk , where m = mean , v = variance , s = Fisher's skew , und k = Fisher's kurtosis . |
Alle Parameter außer q
, a,b
und x
sind optional. Das bedeutet, dass Sie sie nicht jedes Mal definieren müssen, wenn Sie die Funktion scipy.stats.beta
verwenden.
Es gibt verschiedene Methoden, um die Funktion scipy.stats.beta
zu definieren:
rvs(a, b, loc=0, scale=1, size=1, random_state=None)
- Diese Methode wird immer dann verwendet, wennzufällige Varianten
gefunden werden müssen.pdf(x, a, b, loc=0, scale=1)
- This method is known as theprobability density function
cdf(x, a, b, loc=0, scale=1)
- This method is known as thecummulative distribution function
logcdf(x, a, b, loc=0, scale=1)
- Diese Methode findet denlog
derkumulativen Verteilungsfunktion
.
Es gibt viele weitere solcher Methoden, um die Funktion scipy.stats.beta
zu definieren. Aber bei jeder Methode variiert der Wert der Parameter.
Beta kontinuierliche Zufallsvariable
from scipy.stats import beta
num_args = beta.numargs
[a, b] = [
1.2,
] * num_args
random_var = beta(a, b)
print("Random Variable : ", random_var)
Ausgabe:
Random Variable : <scipy.stats._distn_infrastructure.rv_frozen object at 0x7f9a6b366af0>
Beta-Zufallsvariablen und Wahrscheinlichkeitsverteilungsfunktion
In diesem Beispiel wird die Funktion arange
der Bibliothek NumPy
verwendet. Dies ist eine eingebaute Funktion der NumPy
-Bibliothek, die hilft, ein Array-Objekt mit einer bestimmten Anzahl von Werten mit einem bestimmten Abstand zurückzugeben.
import numpy as np
quantile_val = np.arange(0.1, 1, 0.2)
rv = beta.rvs(a, b, scale=2, size=10)
print("Random Variates : ", rv)
rv_pdf = beta.pdf(quantile_val, a, b, loc=0, scale=1)
print("Probability Distribution : ", rv_pdf)
Ausgabe:
Random Variates : [0.33734047 1.72002734 1.67064615 0.72633407 0.71346865 0.81301286
1.39419329 0.65489343 0.97953887 1.15867132]
Probability Distribution : [0.91029949 1.07839945 1.11666731 1.07839945 0.91029949]
Lakshay Kapoor is a final year B.Tech Computer Science student at Amity University Noida. He is familiar with programming languages and their real-world applications (Python/R/C++). Deeply interested in the area of Data Sciences and Machine Learning.
LinkedIn