Distribución Binomial en Python

1. Utilice la función numpy.random.binomial() para crear una distribución binomial en Python
2. Utilice la función scipy.stats.binom.pmf() para crear una distribución de probabilidades binomiales en Python

Una distribución binomial es un concepto esencial de probabilidad y estadística. Representa los resultados reales de un número determinado de experimentos independientes cuando se conoce la probabilidad de éxito y fracaso. Solo es posible cuando son posibles exactamente 2 resultados para un evento separado, como el lanzamiento de una moneda. Su fórmula matemática se muestra a continuación.

Este tutorial demostrará cómo crear una distribución binomial en Python.

Utilice la función numpy.random.binomial() para crear una distribución binomial en Python

El módulo numpy puede generar una serie de valores aleatorios en un array numpy. Podemos usar la función numpy.random.binomial() para devolver una muestra de esta distribución.

Podemos especificar el número de intentos (n), la probabilidad de éxito (p) y el tamaño de la salida final (size) como parámetros en la función.

Por ejemplo,

import numpy as np

a = np.random.binomial(n=5, p=0.7, size=20)
print(a)

Producción :

[5 4 2 3 2 4 4 3 3 3 4 2 3 4 3 4 5 5 2 2]

En el ejemplo anterior, cada valor representa el número de veces que ocurre un evento durante 5 intentos cuando la probabilidad de éxito era 0.7. Esto se repitió para una muestra de tamaño 20.

También podemos trazar esto usando la función seaborn.distplot().

Por ejemplo,

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

a = np.random.binomial(n=5, p=0.7, size=20)
sns.distplot(a, hist=True, kde=False)
plt.show()

Producción:

Utilice la función scipy.stats.binom.pmf() para crear una distribución de probabilidades binomiales en Python

La función scipy.stats.binom.pmf() devuelve la probabilidad binomial para algunos valores dados. Podemos usarlo para crear una distribución de probabilidades binomiales.

Es diferente a la distribución anterior. Repasaremos el número de éxitos deseados para crear esta distribución.

Por ejemplo,

from scipy.stats import binom

n = 5
p = 0.7
s = list(range(n + 1))
a = [binom.pmf(r, n, p) for r in s]
print(a)
sns.distplot(a, hist=True, kde=False)
plt.show()

Producción: