标签:plt 六种 random hist 可视化 np 随机变量 bins dis
1.1 离散型随机变量-(伯努利分布):
from scipy.stats import binom
import matplotlib.pyplot as plt
import numpy as np
n = 10
p = 0.3
k = np.arange(0, 10)
binomial = binom.pmf(k, n, p)
plt.plot(k, binomial)
plt.title('Binomial: n = %i, p=%0.2f' % (n, p), fontsize=15)
plt.xlabel('Number of successes')
plt.ylabel('Probability of sucesses', fontsize=15)
plt.show()
1.2 离散型随机变量-(二项分布):
dis_2 = np.random.binomial(10,0.5,size=10000)
plt.hist(dis_2,bins=10,color='r',alpha=0.4,edgecolor='y')
plt.show()
1.3 离散型随机变量-(泊松分布):
dis_3 = np.random.poisson(8,100000)
# lam随机事件发生率,size形状 n * p = 8
plt.hist(dis_3,bins=8,color='r',alpha=0.4,edgecolor='y')
plt.show()
1.4 连续型随机变量-(正态分布):
dis_4 = np.random.normal(0,1,100000)
plt.hist(dis_4,bins=800,color='r',alpha=0.4,edgecolor='y')
plt.show()
1.5 连续型随机变量-(指数分布):
dis_5 = np.random.exponential(0.125,100000)
plt.hist(dis_5,bins=6000,color='r',alpha=0.4,edgecolor='y')
1.6 连续型随机变量-(拉普拉斯分布):
import numpy as np
laplace1 = np.random.laplace(0, 1, 10000)
laplace2 = np.random.laplace(0, 2, 10000)
import matplotlib.pyplot as plt
fig, (ax1, ax2) = plt.subplots(1,2, sharex=True, sharey=True)
ax1.hist(laplace1,bins=1000, label="lambda:1")
ax1.legend()
ax2.hist(laplace2, bins=1000, label="lambda:2")
ax2.legend()
plt.show()
标签:plt,六种,random,hist,可视化,np,随机变量,bins,dis 来源: https://www.cnblogs.com/pprp/p/11005969.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。