Scipy lognormale

Informatica e matematica sono due materie che si completano a vicenda. Hanno operazioni molto comuni che una persona deve imparare ed esibirsi. I linguaggi di programmazione del computer sono molto comunemente usati per calcolare le funzioni matematiche rapidamente e automaticamente. Ma prima di utilizzare qualsiasi funzione di qualsiasi linguaggio di programmazione, è necessario avere una chiara comprensione dell'operazione matematica in cui si eseguerai con una funzione di programmazione. Il linguaggio di programmazione Python è il linguaggio di programmazione più comunemente usato in questi giorni in quanto fornisce diverse funzioni utili che aiutano a eseguire calcoli matematici complessi automaticamente e rapidamente. Questa guida esplora la funzione lognormale fornita nella biblioteca di Scipy di Python.

Cos'è una funzione lognormale?

Lgnormale è una funzione matematica che viene utilizzata per generare la distribuzione lognormale. La distribuzione lognormale è una funzione di probabilità e viene utilizzata per generare una distribuzione di probabilità continua di un numero casuale. Impiega una variabile x il cui logaritmo è normalmente distribuito e genera la sua distribuzione continua di probabilità. In Python, la libreria Scipy fornisce la funzione lognormale per eseguire automaticamente tutti i calcoli matematici manuali. Tutto quello che devi fare è fornire la variabile x la cui distribuzione continua di probabilità deve essere generata. Comprendiamo la sintassi della funzione lognormale di Scipy e poi muoviti verso la sezione Esempi per capire come funziona la funzione lognormale in un programma Python.

Sintassi della funzione lognormale

La funzione lognormale è fornita dalla libreria Scipy nel pacchetto statistiche. Poiché è una funzione di probabilità, si trova nel pacchetto statistico della libreria Scipy. La sintassi della funzione lognormale è molto semplice e facile da capire. Vediamo prima la sintassi e poi capiremo per cosa viene utilizzato ogni elemento della funzione. Vedi la sintassi foglio:

La funzione lognormale funziona con più metodi, ciascuno con funzionalità e servizi diversi da offrire. Alcuni metodi di essi sono PDF, PPF, RVS, ISF, Entropy, Logsf, CDF, Logpdf, Easped, ecc. Puoi utilizzare qualsiasi tecnica in base alle tue esigenze. Spiegheremo alcuni di questi metodi con l'aiuto di esempi. I parametri sono anche forniti secondo il metodo che si sta utilizzando.

Spiegheremo ogni parametro qui per la tua comprensione. Il parametro "X" viene utilizzato per fornire i quantili in un array come un oggetto. Il parametro "Q" viene utilizzato per fornire la probabilità di coda. Il parametro "S" viene utilizzato per definire la forma. Il parametro "loc" rappresenta la posizione. Il parametro "Scala" rappresenta la scala. Il parametro "dimensione" rappresenta la forma di una variata casuale. Infine, il parametro "Moment" specifica i momenti da calcolare dal gruppo "MVSK" in cui M rappresenta la media, V rappresenta la varianza, S rappresenta l'informazione di Fisher e K rappresenta la kurtosi di Fisher. Per una migliore comprensione della funzione lognormale, diamo un'occhiata ad alcuni casi.

Esempio 1:

Comprendiamo come la funzione lognormale utilizza metodi diversi per generare la distribuzione della probabilità continua. Considera il seguente codice di esempio:

Importa Numpy come NP
dalle statistiche di importazione di Scipy
Importa matplotlib.Pyplot come Plt
S = 0.898
Fig, x = PLT.sottotrame (1, 1)
data = np.Linspace (
statistiche.LONORM.PPF (0.01, s),
statistiche.LONORM.PPF (0.89, s), 88)
X.trama (dati,
statistiche.LONORM.pdf (data, s), 'r-', lw = 5, alpha = 0.4)

Abbiamo avviato il programma importando tutta la libreria necessaria in modo da non dover affrontare errori. La prima libreria è numpy che viene importata come NP. È usato per generare l'array. La seconda libreria è Scipy che viene utilizzata per importare il pacchetto statistiche in modo da poter utilizzare la funzione lognormale nel programma. L'ultima libreria è Matplotlib che viene utilizzata per importare il pacchetto Pyplot in modo da poter utilizzare il metodo PLT per tracciare i dati in un grafico.

Dopo aver importato tutte le librerie necessarie, dichiariamo i dati per generare la distribuzione di probabilità casuale. Successivamente, la dimensione del grafico viene dichiarata per tracciare i dati. La variabile "s" definita viene passata al lognorm.Metodo ppf (). La distribuzione di probabilità continua generata viene passata alla funzione trama () in modo che possa essere visualizzata nel grafico. Il PPF sta per la funzione di punto percentuale e viene utilizzato per generare la distribuzione percentile. Ora, controlliamo l'output generato dal lognorm.funzione ppf (). Dai un'occhiata al seguente grafico:

Esempio 2:

Esploriamo un altro metodo con una funzione lognormale in questo esempio. Nell'esempio precedente, abbiamo usato la funzione PPF. Qui useremo la funzione PDF. Considera il codice di esempio nel seguente frammento di codice:

Importa Numpy come NP
da Scipy.statistiche importano lognorm
Importa matplotlib.Pyplot come Plt
x = np.Arange (-2, 2, 0.5)
y = lognorm.PDF (x, 0.9,0)
Plt.Trama (x, y)
Plt.spettacolo()

Come puoi vedere, proprio come nell'esempio precedente, tutte le librerie necessarie vengono importate prima nel programma: Numpy, Scipy e MatplotLib. Quindi, i dati vengono dichiarati. Il NP.La funzione Distribing () viene utilizzata per generare l'array di dati che viene quindi passato al metodo PDF. Il PDF sta per la funzione di densità di probabilità e viene utilizzato per generare la densità di probabilità per i dati dati. Le variabili xey vengono passate alla funzione trama (). Questo disegna il grafico. Ora, diamo un'occhiata al seguente grafico:

Esempio 3:

Il prossimo metodo che spiegheremo qui è il metodo CDF. Considera il seguente codice di esempio per comprendere il funzionamento del metodo CDF.

Importa Numpy come NP
dalle statistiche di importazione di Scipy
Importa matplotlib.Pyplot come Plt
x = np.Arange (-2, 2, 0.5)
y = lognorm.CDF (x, 0.9,0)
Plt.Trama (x, y)
Plt.spettacolo()

Qui, utilizziamo il metodo CDF con una funzione lognormale per vedere come funziona. Il CDF è l'abbreviazione della funzione di densità cumulativa e viene utilizzato per generare la densità cumulativa dei dati dati. Ti stai chiedendo se l'intero programma è uguale a quello che abbiamo usato nell'esempio precedente. Sì, il programma è lo stesso, abbiamo appena cambiato il metodo. Questo viene fatto per mostrarti la differenza tra l'output di metodi diversi per aiutarti a capire come ottenere un output completamente diverso usando un metodo diverso. Ora, controlliamo il seguente output:

Conclusione

Questa guida lognormale di Python Scipy è una rapida panoramica della funzione lognormale. Abbiamo appreso che la funzione lognormale è fornita nella libreria Scipy del linguaggio di programmazione Python e viene utilizzata per generare la distribuzione continua di probabilità automaticamente e rapidamente. Abbiamo appreso che la funzione lognormale funziona con metodi diversi. Abbiamo anche esplorato i metodi PPF, PDF e CDF con l'aiuto di esempi. La funzione PPF viene utilizzata per calcolare il punto percentile. Il metodo PDF viene utilizzato per calcolare la densità di probabilità. E il metodo CDF viene utilizzato per calcolare la densità cumulativa.