Numpy losowy dwumian

„BI” oznacza dwa, więc „dwumianowy” oznacza, że ​​zdarzenie ma dwa wyniki. Metoda losowego binomialna () Numpy dotyczy zdarzeń mających losowe prawdopodobieństwa. Oznacza to, ile razy wydarzenia miały miejsce. Obejmuje te zdarzenia o różnych wynikach lub wynikach. Chodzi o analizę statystyczną zdarzeń, takich jak liczenie zdarzeń.

Na przykład: Odrzucanie monety może być głową lub ogonem.

Metoda losowa dwumianowa () to dyskretny rozkład."

Dyskretny rozkład

Dyskretna rozkład obejmuje dyskretne dane. Dyskretne dane obejmują wartości, które są policzalne, skończone, dodatnie liczby całkowite. Dwumian jest jednym z dyskretnych rozkładów prawdopodobieństwa.

Różnica między rozkładem normalnym i dwumianowym

Charakterystyka metody losowej binomialnej () Numpy

Poniżej przedstawiono charakterystykę rozkładu dwumianowego:

• Daje dwa możliwe zdarzenia lub wyjścia głowa lub ogon, sukces lub porażka, tak lub nie.
• Daje „N” liczbę ustalonych prób.
• Dla każdej próby prawdopodobieństwo dwóch możliwości pozostaje identyczne.
• Próba sukcesu jest obliczana na podstawie „N” liczby prób.
• Każda próba jest niezależna od każdej próby.

Składnia metody losowej () Numpy Binomial ()

Numpy losowa metoda dwumiana () jest deklarowana jako:

Argumenty

Różne parametry są wykorzystywane w deklaracji rozkładu dwumianowego Pythona, które są następujące:

N = Reprezentuje liczbę prób lub zdarzeń. Jest to wymagane pole.

P = Reprezentuje prawdopodobieństwo zdarzenia i ile razy zdarzenie lub próba miało miejsce. Jest to również wymagane pole. Zawiera wartości pływakowe w zakresie [0, 1].

Rozmiar = Ten parametr reprezentuje wymiar powstałej tablicy. Jest to pole opcjonalne. Jeśli jest to brak, wówczas jedna wartość jest zwracana, jeśli parametry „n” i „p” są skalami lub mają podobne wartości.

Poza tym w wizualizacji losowego rozkładu dwumianowego są jeszcze dwa parametry:

Hist = Reprezentuje histogram.

KDE = Reprezentuje krzywą na wykresie.

Wartość zwracana

Wartość zwracana metody losowej binomialnej () będzie skalarna lub ndarray.

Rzućmy okiem na przykłady, aby dowiedzieć się więcej o Numpy Random Binomial ():

Przykład nr 1

Znalezienie szeregu losowych wyjść poprzez przerzucanie monety 6 razy.

W tym przypadku znaleźliśmy tablicę, przerzucając monetę 6 razy. Na początku wdrożenia programu moduł „losowy” jest importowany z biblioteki Numpy. Losowe oznacza posiadanie innego prawdopodobieństwa. W następnym stwierdzeniu „Y” jest inicjowaną zmienną. Potem Numpy losowo.Funkcja dwumiana () jest wywoływana. Parametry tej metody przypisały różne wartości jako n = 6, p = 0.2 i rozmiar = 5. Atrybut „N” wskazuje NO. prób, w których moneta jest odwracana, czyli 6 razy. Atrybut „P” reprezentuje prawdopodobieństwo podane jako 0.2 i „rozmiar” reprezentuje kształt tablicy, który jest przypisany jako 5. W ostatnim stwierdzeniu Drukuj (y) jest deklarowany jako wyświetlanie wyniku rozkładu dwumianowego.

Po pomyślnej wdrożeniu kodu mamy wyjście, które reprezentuje szereg rozmiaru 5 po przerzuceniu monety 6 razy:

Przykład nr 2

Tworzenie szeregu losowych wyjść poprzez przerzucanie monety 3 razy.

Oto kolejny przykład konstruowania szeregu losowych wyników poprzez odwrócenie monety. W tym kodzie mamy takie same kroki, jak postępowaliśmy w wyżej ilustrowanym przykładzie. Po pierwsze, importowanie modułu losowego z biblioteki Numpy jest wymaganym krokiem. W drugim stwierdzeniu „m” zmienna wejściowa jest inicjowana. Następnie funkcja losowa.wywoływany jest dwumian (). Ponadto różne argumenty (N, P, rozmiar) przekazały do ​​tej funkcji. Te parametry podały wartości. Ponieważ „N” jest przypisane 3, co oznacza, że ​​moneta odwraca 3 razy, „P” jest przypisywana 0.1, a „rozmiar” tablicy wyniesie 3. Instrukcja print () pokazuje wynik zmiennej „m”.

W rezultacie mamy szereg wymiaru 3, dla którego moneta jest odwracana 3 razy.

Przykład nr 3

Znalezienie tablicy o losowych prawdopodobieństwach po odwróceniu monety.

Teraz mamy kolejną ilustrację, aby omówić bardziej numpy losową metodę dwumianową (). Tutaj musimy stworzyć tablicę. W pierwszym instrukcji zaimportowaliśmy moduł losowy. Następnie zainicjowaliśmy „zmienną”. Zadzwoniliśmy do losowych.Funkcja dwumianowa (). Następnie przypisaliśmy wartości do parametrów tej funkcji. „N” jest przypisany 100, co oznacza 100 prób. „P” przypisuje się 0.5 Wartość, a „rozmiar” zdefiniowanej tablicy wynosi 10. Metoda print () jest zadeklarowana jako reprezentowana tablica.

Tutaj mamy szereg losowych prawdopodobieństw jako wynik.

Wizualizacja funkcji losowej () Numpy Binomial ()

W tym przykładzie widzimy, jak wyświetlany jest rozkład dwumianowy.

Przede wszystkim importowanie bibliotek „PLT” i „NP” Pythona. Mamy bibliotekę „matplotlib” Pythona, która służy do wykreślenia prawdopodobieństwa funkcji masy i służy również do wywołania funkcji Hist (). Kolejną biblioteką, którą importowaliśmy, jest Numpy jako „NP”. W następnym stwierdzeniu zadzwoniliśmy.Seed () funkcja i losowa.Funkcja dwumianowa (). Te funkcje mają różne argumenty. Następnie wykorzystaliśmy PLT.metoda hist (). Parametry tej funkcji obejmują „tablicę”, „pojemniki” i „edgecolor”. Etykieta wynikającego wykresu jest przypisywana przez funkcję PLT.tytuł(). Ostatnia funkcja, plt.show (), wyświetli wymagany wykres losowego prawdopodobieństwa.

Wniosek

W tym przewodniku na temat funkcji losowej Numpy Binomial () omówiłem różne tematy, które obejmują wprowadzenie do funkcji losowej Numpy Binomial () i dyskretnego rozkładu, różnicy między rozkładem normalnym a rozkładem dwumianowym, charakterystyka numpy losowej dwumianowej () Metoda, składnia i parametry tej funkcji. Ponadto zaimplementowałem kilka kodów, w których korzystamy z losowej funkcji dwumianowej (). Ostatecznie zaobserwowaliśmy również wizualizację rozkładu dwumianowego. Mam nadzieję, że ten artykuł pomoże ci wyczyścić swoje koncepcje na temat metody losowej Binomial () Numpy.