Hướng dẫn how do you generate random numbers with an exponential distribution in python? - làm thế nào để bạn tạo các số ngẫu nhiên với phân phối theo cấp số nhân trong python?

from math import exp
from scipy.optimize import curve_fit
import numpy as np

def model(x, p):
    return p*np.exp(-p*x)

x = list(range(9))
Y = [0.22219001972988275, 0.15537454187341937, 0.15864069451825827, 0.056411162886672819, 0.037398831058143338, 0.10278251869912845, 0.03984605649260467, 0.0035360087611421981, 0.075855255999424692]

popt, pcov = curve_fit(model, x, Y)
print (popt[0])
print (pcov)

Hàm được sử dụng để tạo ra các mẫu ngẫu nhiên từ phân phối theo cấp số nhân là gì?regression problem, which is what Praveen was suggesting.

Hàm mật độ xác suất (PDF) có thể rất hữu ích trong việc phân tích các bộ dữ liệu.

import matplotlib.pyplot as plt
from math import exp
from scipy.stats import norm


x = range(0, 16)
Y = [0.27*exp(-0.27*_) for _ in x]
error = norm.rvs(0, scale=0.05, size=9)
simulated_data = [max(0, y+e) for (y,e) in zip(Y[:9],error)]

plt.plot(x, Y, 'b-')
plt.plot(x[:9], simulated_data, 'r.')
plt.show()

print (x[:9])
print (simulated_data)

Phân phối theo cấp số nhân có phải là một biến ngẫu nhiên không?

Một biến ngẫu nhiên có phân phối theo cấp số nhân cũng được gọi là biến ngẫu nhiên theo cấp số nhân. là một hàm mật độ xác suất hợp pháp. Để hiểu rõ hơn về phân phối theo cấp số nhân, bạn có thể xem xét các ô mật độ của nó.

from math import exp
from scipy.optimize import curve_fit
import numpy as np

def model(x, p):
    return p*np.exp(-p*x)

x = list(range(9))
Y = [0.22219001972988275, 0.15537454187341937, 0.15864069451825827, 0.056411162886672819, 0.037398831058143338, 0.10278251869912845, 0.03984605649260467, 0.0035360087611421981, 0.075855255999424692]

popt, pcov = curve_fit(model, x, Y)
print (popt[0])
print (pcov)

Tôi nghĩ rằng bạn thực sự đang hỏi về một vấn đề hồi quy, đó là những gì Praveen đã gợi ý.

Bạn có một sự phân rã theo cấp số nhân tiêu chuẩn BOG đến trục y ở khoảng Y = 0,27. Do đó, phương trình của nó là

from math import exp
from scipy.optimize import curve_fit
import numpy as np

def model(x, p):
    return p*np.exp(-p*x)

x = list(range(9))
Y = [0.22219001972988275, 0.15537454187341937, 0.15864069451825827, 0.056411162886672819, 0.037398831058143338, 0.10278251869912845, 0.03984605649260467, 0.0035360087611421981, 0.075855255999424692]

popt, pcov = curve_fit(model, x, Y)
print (popt[0])
print (pcov)

residuals = [y-model(_, popt[0]) for (y, _) in zip(Y, x)]
print (residuals)

Nếu bạn muốn tiếp tục kiểm tra rằng chức năng của tôi thực sự đang đi qua các điểm dữ liệu 'thì tôi sẽ đề nghị tìm kiếm các mẫu trong phần dư. Nhưng các cuộc thảo luận như thế này có thể vượt ra ngoài những gì được hoan nghênh trên các lô Stackoverflow: Q-Q và P-P, các lô của phần dư so với

from math import exp
from scipy.optimize import curve_fit
import numpy as np

def model(x, p):
    return p*np.exp(-p*x)

x = list(range(9))
Y = [0.22219001972988275, 0.15537454187341937, 0.15864069451825827, 0.056411162886672819, 0.037398831058143338, 0.10278251869912845, 0.03984605649260467, 0.0035360087611421981, 0.075855255999424692]

popt, pcov = curve_fit(model, x, Y)
print (popt[0])
print (pcov)

from math import exp
from scipy.optimize import curve_fit
import numpy as np

def model(x, p):
    return p*np.exp(-p*x)

x = list(range(9))
Y = [0.22219001972988275, 0.15537454187341937, 0.15864069451825827, 0.056411162886672819, 0.037398831058143338, 0.10278251869912845, 0.03984605649260467, 0.0035360087611421981, 0.075855255999424692]

popt, pcov = curve_fit(model, x, Y)
print (popt[0])
print (pcov)

Phân phối theo cấp số nhân

Phân phối theo cấp số nhân được sử dụng để mô tả thời gian cho đến sự kiện tiếp theo, ví dụ: thất bại/thành công, v.v.

Nó có hai tham số:

from math import exp
from scipy.optimize import curve_fit
import numpy as np

def model(x, p):
    return p*np.exp(-p*x)

x = list(range(9))
Y = [0.22219001972988275, 0.15537454187341937, 0.15864069451825827, 0.056411162886672819, 0.037398831058143338, 0.10278251869912845, 0.03984605649260467, 0.0035360087611421981, 0.075855255999424692]

popt, pcov = curve_fit(model, x, Y)
print (popt[0])
print (pcov)

from math import exp
from scipy.optimize import curve_fit
import numpy as np

def model(x, p):
    return p*np.exp(-p*x)

x = list(range(9))
Y = [0.22219001972988275, 0.15537454187341937, 0.15864069451825827, 0.056411162886672819, 0.037398831058143338, 0.10278251869912845, 0.03984605649260467, 0.0035360087611421981, 0.075855255999424692]

popt, pcov = curve_fit(model, x, Y)
print (popt[0])
print (pcov)

Thí dụ

Vẽ ra một mẫu để phân phối theo cấp số nhân với tỷ lệ 2.0 với kích thước 2x3:

từ nhập khẩu ngẫu nhiên

x = Random.exential (tỷ lệ = 2, kích thước = (2, 3))

print(x)

Hãy tự mình thử »

Trực quan hóa phân phối theo cấp số nhân

Thí dụ

Vẽ ra một mẫu để phân phối theo cấp số nhân với tỷ lệ 2.0 với kích thước 2x3:
import matplotlib.pyplot as plt
import seaborn as sns

từ nhập khẩu ngẫu nhiên

plt.show()

x = Random.exential (tỷ lệ = 2, kích thước = (2, 3))

Hãy tự mình thử »

Trực quan hóa phân phối theo cấp số nhân

từ nhập khẩu Numpy Randomimport matplotlib.pyplot với tư cách là pltimport seeborn như SNS

Làm thế nào để bạn tạo ra một số ngẫu nhiên từ phân phối theo cấp số nhân?

Làm thế nào để bạn tạo một dữ liệu theo cấp số nhân trong Python?

Hàm được sử dụng để tạo ra các mẫu ngẫu nhiên từ phân phối theo cấp số nhân là gì?

Phân phối theo cấp số nhân có phải là một biến ngẫu nhiên không?