El lenguaje de programación de Python ha hecho que el cálculo matemático, estadístico y científico sea extremadamente simple y fácil al proporcionar bibliotecas increíblemente útiles y simples. Scipy Library ofrece una larga lista de funciones que se utilizan para desarrollar una variedad de aplicaciones. Es una de las funciones comúnmente utilizadas de la biblioteca Scipy para generar la distribución exponencial. El paquete de estadísticas en la biblioteca Scipy tiene una función expon () que se utiliza para generar la variable aleatoria continua exponencial. Este artículo lo lleva a través de la guía paso a paso para elaborar cómo el Scipy.estadísticas.FUNCIÓN DE EXPO () FUNCIONA.

¿Qué es la distribución exponencial??

La distribución exponencial se puede definir como una distribución de probabilidad continua que se utiliza principalmente en la teoría de estadísticas y probabilidad. El propósito de esto es describir con qué frecuencia ocurrirá un evento. La distribución exponencial es una serie de sucesos independientes que tienen lugar consistentemente a una tasa promedio fija. Se usa con frecuencia para calcular cuánto tiempo debe ocurrir un evento. El concepto de distribución exponencial es el mismo en estadísticas y python. Python solo proporciona una función automática para crear la distribución exponencial para la distribución exponencial de las estadísticas. Esta guía explicará deliberadamente cómo calcular la distribución exponencial utilizando la biblioteca Scipy.

Bisagro.Estadísticas.Expon () función de python

La función expon () proporcionada por el paquete de estadísticas y la biblioteca Scipy es una variable aleatoria continua exponencial definida con un cierto parámetro de forma y formato estándar. Se necesitan múltiples parámetros requeridos y opcionales para completar su especificación y devuelve la variable aleatoria continua exponencial. Veamos y aprendamos la sintaxis de la función expon () para comprender qué parámetros necesitamos para proporcionarlo.

Sintaxis del scipy.Estadísticas.Expon ()

En general, la función expon () sigue la función de densidad de probabilidad que es la siguiente:

La sintaxis del scipy.estadísticas.La función expon () es la siguiente:

La función expon () funciona con varios métodos de la clase rv_continua y cada método toma diferentes parámetros. Sin embargo, enumeramos todos los parámetros para ayudarlo a comprender qué tipo de parámetros de entrada necesita proporcionar con cualquier método RV_Continuous.

El parámetro "X" se usa para proporcionar los cuantiles en la matriz como objeto. El parámetro "Q" se usa para definir la probabilidad de la cola inferior o superior en una matriz como objeto. El parámetro "LOC" representa la ubicación. El parámetro de "escala" representa la escala. El parámetro de "tamaño" representa la forma de las variadas aleatorias. Y, por último, el parámetro "Momentos" se usa para especificar los momentos para calcular la combinación de MVSK. El MVSK es una combinación de momentos que se pueden realizar con cualquier función de clase RV_CONTIUAL. La "M" de MVSK representa la media, "V" representa la varianza, "S" representa el sesgo de Fisher y "K" representa la curtosis de Fisher.

Por defecto, el parámetro de momentos es MV. Como resultado, la función expon () devuelve la variable aleatoria continua exponencial. Probemos algunos ejemplos para aprender a usar la función expon () en los programas de Python.

Ejemplo 1:

Creemos una variable aleatoria continua exponencial. Considere el código de muestra dado en el siguiente:

De Scipy.Estadísticas de importación expon
num = expon.numargs
[] = [0.4,] * NUM
ecrv = exon ()
Imprimir ("Variable aleatoria continua exponencial: \ n \ n", ECRV)

Primero, la biblioteca Scipy se importa al programa para llamar al paquete de estadísticas y la función expon (). La función expon () se usa para llamar al método numargs para crear la variable aleatoria continua exponencial. Este programa es muy simple y corto, puede entenderlo fácilmente y usarlo en sus programas. Ahora, veamos la salida generada de la siguiente manera:

Ejemplo 2:

Aprendimos a crear la variable aleatoria continua exponencial con la biblioteca Scipy y su función expon (). Aprendamos cómo generar la distribución de probabilidad con las variaciones aleatorias exponenciales. Considere el código de muestra dado en el siguiente:

importar numpy como np
De Scipy.Estadísticas de importación expon
Q = NP.Arange (0.09, 1, 0.2)
ECRV = expon.RVS (escala = 3, tamaño = 15)
Imprimir ("Variaciones aleatorias continuas exponenciales: \ n \ n", ECRV)
ex = expon.PDF (q, loc = 0, escala = 2)
imprimir ("\ nprobability Distribution: \ n", ex)

Primero, la biblioteca Numpy se importa al programa como NP, ya que necesitamos la biblioteca Numpy para crear una variedad de datos Numpy. Después de eso, la segunda biblioteca que importamos es la biblioteca Scipy, el paquete de estadísticas y su función expon (). La matriz de datos se declara con el NP.función arange (). La variable aleatoria continua exponencial se crea con el expon.método rvs () pasando la escala = 3 y tamaño = 15. La matriz de datos compuesta se pasa al expon.función pdf () para crear la distribución de probabilidad. El PDF significa función de densidad de probabilidad, y se utiliza para calcular la distribución de probabilidad. La ubicación para la distribución de probabilidad se da como loc = y la escala se da como escala = 2. Ahora, verifiquemos qué resultado se genera la función expon (). Ver la siguiente salida:

Ejemplo 3:

Aprendimos a crear la variable aleatoria continua exponencial y la distribución de probabilidad utilizando el método PDF de la clase RV_Continua. Aprendamos cómo mostrar la variable aleatoria continua exponencial en este ejemplo. Considere el siguiente código:

importar numpy como np
De Scipy.Estadísticas de importación expon
Importar matplotlib.Pyplot como PLT
ECRV = NP.Linspace (0, NP.mínimo (RV.distrito.b, 25))
Imprimir ("Variaciones aleatorias continuas exponenciales: \ n \ n", ECRV)
traz = PLT.Parcela (ECRV, RV.PDF (ECRV))

En este programa de ejemplo, primero importamos la biblioteca Numpy. Para hacer eso, se usa la declaración "Importar numpy as np", ya que necesitamos usar las funciones de la biblioteca Numpy. Después de eso, la segunda biblioteca es Scipy, que se importa para usar la función Expon (). La tercera y última biblioteca que importamos es matplotlib. Se usa para trazar los datos en el gráfico. Los datos para crear la variable aleatoria continua exponencial se generan con el NP.función linspace (). Para trazar las variantes aleatorias continuas exponenciales generadas, usamos el PLT.función plot (). Ahora, veamos las variantes aleatorias continuas exponenciales y su gráfico trazado en el siguiente resultado:

Conclusión

Esta guía sirve como una descripción general rápida y breve de la distribución exponencial de Scipy. Aquí, aprendimos el concepto de distribución exponencial en estadísticas y qué teoría de probabilidad es. Después de eso, aprendimos a crear la variable aleatoria continua exponencial como un programa de Python. También aprendimos sobre la función expon () de la biblioteca Scipy para crear la variable aleatoria continua exponencial en un programa de Python. Con la ayuda de ejemplos, demostramos cómo usar la función expon () en un programa de Python para generar y trazar la variable aleatoria continua exponencial.