Binomiale casuale numpy
"Bi" significa due, quindi "binomiale" significa che un evento ha due risultati. Il metodo Numpy Random Binomial () si occupa di eventi con probabilità casuali. Significa quante volte si sono verificati eventi. Coinvolge quegli eventi con output o risultati diversi. Riguarda l'analisi statistica degli eventi, come il conteggio degli eventi.
Per esempio: Lanciare una moneta può essere una testa o una coda.
Un metodo binomiale () casuale è una distribuzione discreta."
Distribuzione discreta
La distribuzione discreta comporta dati discreti. I dati discreti coinvolgono i valori numeri interi numerabili, finiti, positivi. Un binomio è una delle distribuzioni di probabilità discrete.
Differenza tra distribuzione normale e binomiale
| Distribuzione normale | Distribuzione binomiale |
|---|---|
| La distribuzione normale comporta una distribuzione continua. | La distribuzione binomiale comporta una distribuzione discreta. Ha eventi che hanno successo o guasti. |
Caratteristiche del metodo numpy casual binomiale ()
Le seguenti sono le caratteristiche della distribuzione binomiale:
- Fornisce due possibili eventi o output la testa o coda i-e, successo o fallimento, sì o no.
- Fornisce il numero "n" di prove fisse.
- Per ogni prova, la probabilità di due possibilità rimane identica.
- La prova di successo è calcolata dal numero di prove "n".
- Ogni prova è indipendente da ogni prova.
Sintassi del metodo numpy casual binomiale ()
Il metodo numpy casual binomial () è dichiarato come:
X = Numpy.casuale.binomiale (n = no di prova, p = probabilità, dimensione = dimensione dell'array)argomenti
Parametri diversi sono utilizzati nella Dichiarazione della distribuzione binomiale di Python, che sono i seguenti:
N = Rappresenta il numero di prove o eventi. È un campo richiesto.
P = Rappresenta la probabilità di un evento e quante volte si è verificato un evento o una prova. È anche un campo richiesto. Include i valori float nell'intervallo di [0, 1].
Misurare = Questo parametro rappresenta la dimensione dell'array risultante. È un campo opzionale. Se non è nessuno, viene restituito un singolo valore se i parametri “N” e “P” sono entrambi scalari o hanno valori simili.
Inoltre, ci sono altri due parametri usati nella visualizzazione della distribuzione binomiale casuale:
Hist = Rappresenta l'istogramma.
Kde = Rappresenta la curva sul grafico.
Valore di ritorno
Il valore di ritorno del metodo binomiale () numpy casual sarà scalare o ndarray.
Diamo un'occhiata agli esempi per sapere di più in dettaglio sul binomiale casuale numpy ():
Esempio n. 1
Trovare una serie di uscite casuali lanciando una moneta 6 volte.
In questo caso, abbiamo trovato un array lanciando una moneta 6 volte. All'inizio dell'implementazione del programma, il modulo "casuale" viene importato dalla libreria numpy. Casuale significa avere una probabilità diversa. Nella prossima dichiarazione, "Y" è la variabile inizializzata. Quindi Numpy Random.La funzione binomiale () è chiamata. I parametri di questo metodo hanno assegnato valori diversi come n = 6, p = 0.2 e dimensioni = 5. L'attributo "n" indica il no. di prove in cui viene lanciata la moneta, che è 6 volte. L'attributo "p" rappresenta la probabilità che viene data come 0.2 e "dimensione" rappresenta la forma dell'array, che è assegnato come 5. Nell'ultima affermazione, la stampa (Y) è dichiarata per mostrare il risultato della distribuzione binomiale.
Dopo la riuscita implementazione del codice, abbiamo un output che rappresenta l'array di dimensione 5 dopo aver lanciato la moneta 6 volte:
Esempio n. 2
Creazione di un array di uscite casuali lanciando una moneta 3 volte.
Ecco un altro esempio di costruzione di una serie di esiti casuali lanciando una moneta. In questo codice, abbiamo gli stessi passaggi che abbiamo seguito nell'esempio sopra illustrato. Innanzitutto, l'importazione di un modulo casuale dalla libreria numpy è un passaggio richiesto. Nella seconda istruzione, "M", la variabile di input viene inizializzata. Quindi la funzione casuale.binomiale () è invocato. Inoltre, argomenti diversi (n, p, dimensioni) sono passati a questa funzione. Questi parametri hanno dato i valori. Poiché "n" è assegnato 3, il che significa che la moneta si lancia 3 volte, "p" è assegnato 0.1 e la "dimensione" dell'array sarà 3. L'istruzione Print () mostra il risultato della variabile "M".
Nel risultato, abbiamo una serie di dimensioni 3 per la quale la moneta viene lanciata 3 volte.
Esempio n. 3
Trovare un array con probabilità casuali dopo aver lanciato la moneta.
Ora abbiamo un'altra illustrazione per discutere del metodo più numpy casuale binomiale (). Qui, dobbiamo creare un array. Nella prima affermazione, abbiamo importato un modulo casuale. Successivamente, abbiamo inizializzato la "variabile". Abbiamo chiamato Random.funzione binomiale (). Quindi abbiamo assegnato i valori ai parametri di questa funzione. La "n" è assegnata 100, il che significa 100 prove. La "p" è assegnata a 0.5 valore e la "dimensione" dell'array definito è 10. Il metodo Print () è dichiarato per rappresentare l'array risultante.
Qui abbiamo una serie di probabilità casuali come risultato.
Visualizzazione della funzione numpy casual binomiale ()
In questo esempio, vediamo come viene visualizzata la distribuzione binomiale.
Prima di tutto, importanti librerie "PLT" e "NP" di Python. Abbiamo la libreria "Matplotlib" di Python, che viene utilizzata per tracciare la probabilità di funzioni di massa ed è anche utilizzata per chiamare la funzione Hist (). La prossima libreria che abbiamo importato è Numpy come "NP". Nella prossima dichiarazione, abbiamo chiamato Random.Funzione seme () e casuale.funzione binomiale (). Queste funzioni hanno argomenti diversi. Quindi abbiamo utilizzato PLT.Metodo Hist (). I parametri di questa funzione includono "Array", "Bins" e "Edgecolor". L'etichetta del diagramma risultante è assegnata dalla funzione PLT.titolo(). L'ultima funzione, PLT.show (), visualizzerà il grafico richiesto della probabilità casuale.
Conclusione
In questa guida sulla funzione numpy casual binomiale (), ho coperto diversi argomenti, che includono un'introduzione alla funzione binomiale () casuale numpy e distribuzione discreta, la differenza tra una distribuzione normale e la distribuzione binomiale () metodo, sintassi e parametri di questa funzione. Inoltre, ho implementato diversi codici in cui utilizziamo la funzione binomiale () casuale. Alla fine, abbiamo anche osservato la visualizzazione della distribuzione binomiale. Spero che questo articolo ti aiuti a liberare i tuoi concetti sul metodo Numpy Random Binomial ().