Vẽ các mẫu từ phân phối Poisson.
Phân phối Poisson là giới hạn của phân phối nhị thức cho N.
Ghi chú
Mã mới nên sử dụng phương thức poisson
của một thể hiện default_rng[]
thay thế; Vui lòng xem bắt đầu nhanh chóng.Quick Start.
Số lượng sự kiện dự kiến xảy ra trong một khoảng thời gian cố định, phải là> = 0. Một chuỗi phải được phát theo kích thước được yêu cầu.
kích thước hoặc tuple của int, tùy chọnint or tuple of ints, optionalHình dạng đầu ra. Nếu hình dạng đã cho là, ví dụ, [m, n, k]
, thì các mẫu m * n * k
được vẽ. Nếu kích thước là None
[mặc định], một giá trị duy nhất được trả về nếu lam
là vô hướng. Nếu không, các mẫu np.array[lam].size
được rút ra.
Các mẫu rút ra từ phân phối Poisson tham số.
Ghi chú
Phân phối Poisson
\ [f [k; \ lambda] = \ frac {\ lambda^k e^{-\ lambda}} {k!
Đối với các sự kiện có sự phân tách dự kiến \ [\ lambda \], phân phối Poisson \ [f [k; \ lambda] \] mô tả xác suất của các sự kiện \ [k \] xảy ra trong khoảng thời gian quan sát \ [\ lambda \].\[\lambda\] the Poisson distribution \[f[k; \lambda]\] describes the probability of \[k\] events occurring within the observed interval \[\lambda\].
Do đầu ra được giới hạn trong phạm vi của loại C Int64, nên một giá trị được nâng lên khi LAM nằm trong 10 sigma của giá trị đại diện tối đa.
Người giới thiệu
1Weisstein, Eric W. Phân phối Poisson. Từ Mathworld, một tài nguyên web Wolfram. //mathworld.wolfram.com/poisSondistribution.html
Wikipedia, Phân phối Poisson, //en.wikipedia.org/wiki/Poisson_Distribution
Ví dụ
Vẽ các mẫu từ phân phối:
>>> import numpy as np >>> s = np.random.poisson[5, 10000]
Hiển thị biểu đồ của mẫu:
>>> import matplotlib.pyplot as plt >>> count, bins, ignored = plt.hist[s, 14, density=True] >>> plt.show[]
Vẽ mỗi 100 giá trị cho Lambda 100 và 500:
>>> s = np.random.poisson[lam=[100., 500.], size=[100, 2]]
Phân phối Poisson
Phân phối Poisson là một phân phối riêng biệt.
Nó ước tính bao nhiêu lần một sự kiện có thể xảy ra trong một thời gian cụ thể. ví dụ. Nếu ai đó ăn hai lần một ngày thì xác suất thì anh ta sẽ ăn ba lần là gì?
Nó có hai tham số:
>>> import matplotlib.pyplot as plt >>> count, bins, ignored = plt.hist[s, 14, density=True] >>> plt.show[]0 - Tỷ lệ hoặc số lượng xảy ra đã biết, ví dụ: 2 Đối với vấn đề trên.
>>> import matplotlib.pyplot as plt >>> count, bins, ignored = plt.hist[s, 14, density=True] >>> plt.show[]1 - Hình dạng của mảng trả về.
Thí dụ
Tạo phân phối 1x10 ngẫu nhiên cho xảy ra 2:
từ nhập khẩu ngẫu nhiên
x = ngẫu nhiên.poisson [lam = 2, size = 10]
print[x]
Hãy tự mình thử »
Làm thế nào để bạn viết một bản phân phối Poisson trong Python?
Thí dụ
từ nhập khẩu Numpy Randomimport matplotlib.pyplot với tư cách là pltimport seeborn như SNS
import matplotlib.pyplot as plt
import seaborn as sns
sns.distplot [ngẫu nhiên.binomial [n = 1000, p = 0,01, size = 1000], hist = false Sai, nhãn = 'Poisson']]
Kết quả
Kết quả
Hãy tự mình thử »
Làm thế nào để bạn viết một bản phân phối Poisson trong Python?
Phân phối Poisson mô tả xác suất đạt được K thành công trong một khoảng thời gian nhất định. Nếu một biến ngẫu nhiên x tuân theo phân phối Poisson, thì xác suất có thể tìm thấy thành công x = k bằng công thức sau: p [x = k] = λk * e, / k!
Làm thế nào để bạn tìm thấy mẫu phân phối Poisson?
Thí dụ
từ nhập khẩu Numpy Randomimport matplotlib.pyplot với tư cách là pltimport seeborn như SNS
import matplotlib.pyplot as plt
import seaborn as sns
sns.distplot [ngẫu nhiên.binomial [n = 1000, p = 0,01, size = 1000], hist = false Sai, nhãn = 'Poisson']]
sns.distplot[random.poisson[lam=50, size=1000], hist=False, label='poisson']
plt.show[]
Kết quả
Hãy tự mình thử »
Làm thế nào để bạn viết một bản phân phối Poisson trong Python?
Phân phối Poisson mô tả xác suất đạt được K thành công trong một khoảng thời gian nhất định. Nếu một biến ngẫu nhiên x tuân theo phân phối Poisson, thì xác suất có thể tìm thấy thành công x = k bằng công thức sau: p [x = k] = λk * e, / k!
Làm thế nào để bạn tìm thấy mẫu phân phối Poisson?
Thí dụ
từ nhập khẩu Numpy Randomimport matplotlib.pyplot với tư cách là pltimport seeborn như SNS
import matplotlib.pyplot as plt
import seaborn as sns
sns.distplot [ngẫu nhiên.binomial [n = 1000, p = 0,01, size = 1000], hist = false Sai, nhãn = 'Poisson']]
sns.distplot[random.poisson[lam=10, size=1000], hist=False, label='poisson']
plt.show[]
Kết quả
Hãy tự mình thử »