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 Variantengefunden werden müssen.pdf(x, a, b, loc=0, scale=1)- This method is known as theprobability density functioncdf(x, a, b, loc=0, scale=1)- This method is known as thecummulative distribution functionlogcdf(x, a, b, loc=0, scale=1)- Diese Methode findet denlogderkumulativen 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