scipy stats.beta() | Python
哎哎哎:# t0]https://www.geesforgeks.org/scipy-stats-beta python/
scipy.stats.beta() 是一个 beta 连续随机变量，用标准格式和一些形状参数定义，以完成其规格。
参数: q : 上下尾概率 a、b : 形状参数 x : 分位数 loc : 【可选】位置参数。默认= 0 比例:【可选】比例参数。默认值= 1 大小:【整数元组，可选】形状或随机变量。 矩:【可选】由字母['mvsk']组成；m’=均值，‘v’=方差，‘s’= Fisher 偏斜度，‘k’= Fisher 峰度。(默认值= 'mv ')。
结果:β连续随机变量
代码#1:创建 beta 连续随机变量
# importing scipy
from scipy.stats import beta
numargs = beta.numargs
[a, b] = [0.6, ] * numargs
rv = beta(a, b)
print ("RV : \n", rv)
输出:
RV :
<scipy.stats._distn_infrastructure.rv_frozen object at 0x0000029482FCC438>
代码#2:贝塔随机变量和概率分布函数。
import numpy as np
quantile = np.arange (0.01, 1, 0.1)
# Random Variates
R = beta.rvs(a, b, scale = 2, size = 10)
print ("Random Variates : \n", R)
# PDF
R = beta.pdf(quantile, a, b, loc = 0, scale = 1)
print ("\nProbability Distribution : \n", R)
输出:
Random Variates :
[1.47189604 1.47284574 1.84692416 1.0686604 0.32709236 1.96857076
0.00639731 1.97093898 1.34811881 0.34269426]
Probability Distribution :
[2.62281037 1.04883674 0.84934164 0.76724957 0.73040985 0.72096547
0.73529768 0.77903762 0.8752367 1.1264383 ]
代码#3:图形表示。
import numpy as np
import matplotlib.pyplot as plt
distribution = np.linspace(0, np.maximum(rv.dist.b, 5))
plot = plt.plot(distribution, rv.pdf(distribution))
输出:
代码#4:变化的位置参数
from scipy.stats import arcsine
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 1.0, 100)
# Varying positional arguments
y1 = beta.pdf(x, 2.75, 2.75)
y2 = beta.pdf(x, 3.25, 3.25)
plt.plot(x, y1, "*", x, y2, "r--")
输出:
