Hướng dẫn generate bernoulli random variable python - tạo python biến ngẫu nhiên bernoulli

Một biến ngẫu nhiên riêng biệt Bernoulli.

Là một ví dụ của lớp rv_discrete, đối tượng bernoulli kế thừa từ nó một tập hợp các phương thức chung [xem bên dưới để biết danh sách đầy đủ] và hoàn thành chúng với chi tiết cụ thể cho phân phối cụ thể này.

Ghi chú

Hàm khối lượng xác suất cho bernoulli là:

\ [\ BẮT ĐẦU {split} f [k] = \ start } \]

cho \ [k \] trong \ [\ {0, 1 \} \], \ [0 \ leq p \ leq 1 \]\[k\] in \[\{0, 1\}\], \[0 \leq p \leq 1\]

bernoulli lấy \ [p \] làm tham số hình dạng, trong đó \ [p \] là xác suất của một thành công duy nhất và \ [1-p \] là xác suất của một lỗi duy nhất.\[p\] as shape parameter, where \[p\] is the probability of a single success and \[1-p\] is the probability of a single failure.

Hàm khối lượng xác suất ở trên được xác định ở dạng tiêu chuẩn hóa trên mạng. Để thay đổi phân phối, sử dụng tham số

>>> p = 0.3
>>> mean, var, skew, kurt = bernoulli.stats[p, moments='mvsk']

>>> p = 0.3
>>> mean, var, skew, kurt = bernoulli.stats[p, moments='mvsk']

>>> p = 0.3
>>> mean, var, skew, kurt = bernoulli.stats[p, moments='mvsk']

Ví dụ

>>> from scipy.stats import bernoulli
>>> import matplotlib.pyplot as plt
>>> fig, ax = plt.subplots[1, 1]

Tính bốn khoảnh khắc đầu tiên:

>>> p = 0.3
>>> mean, var, skew, kurt = bernoulli.stats[p, moments='mvsk']

Hiển thị hàm khối lượng xác suất [

>>> p = 0.3
>>> mean, var, skew, kurt = bernoulli.stats[p, moments='mvsk']

>>> x = np.arange[bernoulli.ppf[0.01, p],
...               bernoulli.ppf[0.99, p]]
>>> ax.plot[x, bernoulli.pmf[x, p], 'bo', ms=8, label='bernoulli pmf']
>>> ax.vlines[x, 0, bernoulli.pmf[x, p], colors='b', lw=5, alpha=0.5]

Ngoài ra, đối tượng phân phối có thể được gọi [như một hàm] để sửa hình dạng và vị trí. Điều này trả về một đối tượng RV Frozen Frozen, giữ các tham số đã cho được sửa.

Đóng băng phân phối và hiển thị

>>> p = 0.3
>>> mean, var, skew, kurt = bernoulli.stats[p, moments='mvsk']

>>> rv = bernoulli[p]
>>> ax.vlines[x, 0, rv.pmf[x], colors='k', linestyles='-', lw=1,
...         label='frozen pmf']
>>> ax.legend[loc='best', frameon=False]
>>> plt.show[]

Kiểm tra độ chính xác của

>>> p = 0.3
>>> mean, var, skew, kurt = bernoulli.stats[p, moments='mvsk']

>>> p = 0.3
>>> mean, var, skew, kurt = bernoulli.stats[p, moments='mvsk']

>>> prob = bernoulli.cdf[x, p]
>>> np.allclose[x, bernoulli.ppf[prob, p]]
True

Tạo số ngẫu nhiên:

>>> r = bernoulli.rvs[p, size=1000]

Phương pháp

>>> p = 0.3
>>> mean, var, skew, kurt = bernoulli.stats[p, moments='mvsk']

>>> p = 0.3
>>> mean, var, skew, kurt = bernoulli.stats[p, moments='mvsk']

>>> p = 0.3
>>> mean, var, skew, kurt = bernoulli.stats[p, moments='mvsk']