資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究使用 Python 展示統計學中的負二項分佈
在本問題陳述中，我們必須藉助 Python 展示統計學中的負二項離散分佈。因此，為了展示此統計資料，我們將使用 Python 的 numpy 和 matplotlib 庫。
什麼是負二項離散分佈？
在統計學中，負二項分佈表示獲得一定次數失敗所需的試驗次數。在這種情況下，試驗可能導致成功或失敗。因此，我們可以說，在試驗中獲得一定次數成功之前發生的失敗次數。它與幾何分佈有關。
負二項分佈由三個引數“r”、“p”和 X 定義。其中引數 r 表示所需的成功次數，引數 p 表示每次試驗成功的機率。而 X 顯示獲得固定次數成功所需的試驗次數。
演算法
步驟 1 - 在此步驟中匯入必要的庫。在我們的程式中，我們將使用 Numpy 和 matplotlib 庫。
# Import the necessary libraries import numpy as nmp import matplotlib.pyplot as plot
步驟 2 - 在第二步中將定義並初始化引數 r 和 p。這裡 r 是失敗次數，p 是成功的機率。
r = 6 p = 0.5
步驟 3 - 現在，我們將使用 random.negative_binomial 在此步驟中生成隨機樣本。
samples = nmp.random.negative_binomial(r, p, size=1000)
步驟 4 - 最後，我們將透過定義 x 軸和 y 軸來繪製分佈，並使用 show 方法顯示分佈。
plot.hist(samples, bins='auto', density=True)
plot.xlabel('Number of Trials')
plot.ylabel('Probability')
plot.title('Negative Binomial Distribution')
plot.show()
示例
# Import the necessary libraries
import numpy as nmp
import matplotlib.pyplot as plot
r = 6
p = 0.5
samples = nmp.random.negative_binomial(r, p, size=1000)
plot.hist(samples, bins='auto', density=True)
plot.xlabel('Number of Trials')
plot.ylabel('Probability')
plot.title('Negative Binomial Distribution')
plot.show()
輸出
複雜度
使用 Numpy 和 Matplotlib 庫顯示負二項離散分佈的時間複雜度為 O(n)，其中 n 是樣本數量
結論
在本文中，我們探討了如何使用 Python 展示負二項分佈。我們還討論了獲得所需輸出的邏輯和演算法。
更新於：2023 年 10 月 18 日
137 次檢視
廣告