Lognormal

Informática y matemáticas son dos materias que se complementan entre sí. Tienen operaciones muy comunes que una persona necesita aprender y realizar. Los lenguajes de programación de computadoras se usan muy comúnmente para calcular las funciones matemáticas de manera rápida y automática. Pero antes de utilizar cualquier función de cualquier lenguaje de programación, debe tener una comprensión clara de la operación matemática en la que va a realizar con una función de programación. El lenguaje de programación de Python es el lenguaje de programación más utilizado en estos días, ya que proporciona varias funciones útiles que ayudan a realizar cálculos matemáticos complejos de forma automática y rápida. Esta guía explora la función lognormal que se proporciona en la biblioteca Scipy de Python.

¿Qué es una función lognormal??

LogNormal es una función matemática que se utiliza para generar la distribución lognormal. La distribución lognormal es una función de la probabilidad y se utiliza para generar una distribución de probabilidad continua de un número aleatorio. Se necesita una variable x cuyo logaritmo se distribuye normalmente y genera su distribución de probabilidad continua de la misma. En Python, la biblioteca Scipy proporciona la función logNormal para realizar todos los cálculos matemáticos manuales automáticamente. Todo lo que tiene que hacer es proporcionar la variable x cuya distribución de probabilidad continua debe generarse. Comprendamos la sintaxis de la función lognormal escasa y luego avancemos hacia la sección Ejemplos para comprender cómo funciona la función lognormal en un programa de Python.

Sintaxis de la función lognormal

La función logNormal es proporcionada por la biblioteca Scipy en el paquete de estadísticas. Dado que es una función de probabilidad, se encuentra en el paquete de estadísticas de la biblioteca Scipy. La sintaxis de la función lognormal es muy simple y fácil de entender. Veamos primero la sintaxis y luego comprenderemos para qué se usa cada elemento de la función. Ver la sintaxis de Folowing:

La función logNormal funciona con múltiples métodos, cada uno con diferentes características y servicios para ofrecer. Algunos métodos de ellos son PDF, PPF, RVS, ISF, Entropy, LogSF, CDF, LOGPDF, ESPEZ, etc. Puede emplear cualquier técnica basada en sus necesidades. Explicaremos algunos de estos métodos con la ayuda de ejemplos. Los parámetros también se proporcionan de acuerdo con el método que está utilizando.

Explicaremos cada parámetro aquí para su comprensión. El parámetro "X" se usa para proporcionar los cuantiles en una matriz como un objeto. El parámetro "Q" se utiliza para proporcionar la probabilidad de cola. El parámetro "S" se usa para definir la forma. El parámetro "LOC" representa la ubicación. El parámetro de "escala" representa la escala. El parámetro de "tamaño" representa la forma de una variedad aleatoria. Por último, el parámetro "momento" especifica los momentos que se calculan a partir del grupo "MVSK" donde M representa la media, V representa la varianza, S representa el sesgo de Fisher y K representa la kurtosis de Fisher. Para una mejor comprensión de la función lognormal, veamos algunos casos.

Ejemplo 1:

Entendamos cómo la función lognormal utiliza diferentes métodos para generar la distribución de probabilidad continua. Considere el siguiente código de muestra:

importar numpy como np
De las estadísticas de importación escasas
Importar matplotlib.Pyplot como PLT
S = 0.898
Fig, x = PLT.subtramas (1, 1)
datos = np.Linspace (
estadísticas.lognorm.PPF (0.01, s),
estadísticas.lognorm.PPF (0.89, s), 88)
X.trazar (datos,
estadísticas.lognorm.PDF (datos, s), 'r-', lw = 5, alfa = 0.4)

Comenzamos el programa importando toda la biblioteca necesaria para que no tengamos que enfrentar ningún error. La primera biblioteca es Numpy, que se importa como NP. Se usa para generar la matriz. La segunda biblioteca es Scipy, que se utiliza para importar el paquete de estadísticas para que podamos usar la función logNormal en el programa. La última biblioteca es matplotlib, que se utiliza para importar el paquete Pyplot para que podamos usar el método PLT para trazar los datos en un gráfico.

Después de importar todas las bibliotecas necesarias, declaramos los datos para generar la distribución de probabilidad aleatoria. Después de eso, se declara el tamaño del gráfico para trazar los datos. La variable "S" definida se pasa a la LogNorm.Método PPF (). La distribución de probabilidad continua generada se pasa a la función plot () para que se pueda mostrar en el gráfico. El PPF representa la función de porcentaje de puntos y se utiliza para generar la distribución del percentil. Ahora, verifiquemos la salida generada por LogNorm.función ppf (). Eche un vistazo al siguiente gráfico:

Ejemplo 2:

Explore otro método con una función logNormal en este ejemplo. En el ejemplo anterior, utilizamos la función PPF. Aquí, usaremos la función PDF. Considere el código de muestra en el siguiente fragmento de código:

importar numpy como np
De Scipy.estadísticas importar lognorm
Importar matplotlib.Pyplot como PLT
x = NP.Arange (-2, 2, 0.5)
y = lognorm.PDF (x, 0.9,0)
PLT.Parcela (x, y)
PLT.espectáculo()

Como puede ver, al igual que en el ejemplo anterior, todas las bibliotecas necesarias se importan al programa primero: Numpy, Scipy y Matplotlib. Entonces, los datos se declaran. El NP.La función Arrane () se utiliza para generar la matriz de datos que luego se pasa al método PDF. El PDF significa la función de densidad de probabilidad y se utiliza para generar la densidad de probabilidad para los datos dados. Las variables x e y se pasan a la función plot (). Esto dibuja el gráfico. Ahora, veamos el siguiente gráfico:

Ejemplo 3:

El siguiente método que vamos a explicar aquí es el método CDF. Considere el siguiente código de muestra para comprender el funcionamiento del método CDF.

importar numpy como np
De las estadísticas de importación escasas
Importar matplotlib.Pyplot como PLT
x = NP.Arange (-2, 2, 0.5)
y = lognorm.CDF (x, 0.9,0)
PLT.Parcela (x, y)
PLT.espectáculo()

Aquí, usamos el método CDF con una función logNormal para ver cómo funciona. El CDF es la abreviatura de la función de densidad acumulada y se utiliza para generar la densidad acumulada de los datos dados. Debe preguntarse si todo el programa es el mismo que usamos en el ejemplo anterior. Sí, el programa es el mismo, acabamos de cambiar el método. Esto se hace para mostrarle la diferencia entre la salida de diferentes métodos para ayudarlo a comprender cómo puede obtener una salida completamente diferente utilizando un método diferente. Ahora, verifiquemos la siguiente salida:

Conclusión

Esta guía lognormal de Python Scipy es una descripción general de la función logNormal. Aprendimos que la función lognormal se proporciona en la biblioteca Scipy del lenguaje de programación de Python y se utiliza para generar la distribución de probabilidad continua de forma automática y rápida. Aprendimos que la función lognormal funciona con diferentes métodos. También exploramos los métodos PPF, PDF y CDF con la ayuda de ejemplos. La función PPF se usa para calcular el punto de percentil. El método PDF se utiliza para calcular la densidad de probabilidad. Y el método CDF se utiliza para calcular la densidad acumulada.