Fonction SciPy stats.beta
-
La fonction
scipy.stats.beta()
- Variable aléatoire continue bêta
- Variables aléatoires bêta et fonction de distribution de probabilité
La distribution bêta dans les statistiques est définie comme un groupe de distributions de probabilité consécutives définies entre l’intervalle [0,1]. La distribution bêta a deux paramètres appelés paramètres de forme. Ces paramètres de forme sont notés α
et β
qui contrôlent la forme de l’ensemble de la distribution et représentent les exposants d’une variable aléatoire.
La fonction scipy.stats.beta()
La fonction scipy.stats.beta()
de la bibliothèque SciPy
est une variable aléatoire continue bêta définie avec différents paramètres de forme et un format standard pour bien compléter les spécifications de la fonction.
Voici les paramètres de la fonction scipy.stats.beta
.
q |
Il définit la queue d’extrémité supérieure et inférieure de la probabilité. |
a, b |
Il définit les paramètres de forme de la fonction. |
x |
Il définit les quantiles. |
loc |
Il définit le paramètre d’emplacement de la fonction. La valeur par défaut de cette fonction est 0 . |
scale |
La valeur par défaut du paramètre scale est 1 . |
size |
Il est défini sous la forme d’un tuple d’entiers. Il définit la forme des variables aléatoires. |
moments |
Il est défini par une lettre, c’est-à-dire msvk , où m = moyenne , v = variance , s = biais de Fisher et k = aplatissement de Fisher . |
Tous les paramètres sauf q
, a,b
et x
sont facultatifs. Cela signifie qu’il n’est pas nécessaire de les définir à chaque fois en utilisant la fonction scipy.stats.beta
.
Il existe différentes méthodes pour définir la fonction scipy.stats.beta
:
rvs(a, b, loc=0, scale=1, size=1, random_state=None)
- Cette méthode est utilisée chaque fois qu’il est nécessaire de trouver desvariables aléatoires
.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)
- Cette méthode trouve lelog
de lafonction de distribution cumulée
.
Il existe de nombreuses autres méthodes de ce type pour définir la fonction scipy.stats.beta
. Mais dans chaque méthode, la valeur des paramètres varie.
Variable aléatoire continue bêta
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)
Production :
Random Variable : <scipy.stats._distn_infrastructure.rv_frozen object at 0x7f9a6b366af0>
Variables aléatoires bêta et fonction de distribution de probabilité
Dans cet exemple, la fonction arange
de la bibliothèque NumPy
est utilisée. Il s’agit d’une fonction intégrée de la bibliothèque NumPy
qui permet de renvoyer un objet tableau avec un nombre spécifique de valeurs avec un espacement défini.
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)
Production :
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