Phân bố đồng đều
Được sử dụng để mô tả xác suất trong đó mọi sự kiện có cơ hội xảy ra như nhau.
Ví dụ. Tạo ra các số ngẫu nhiên.
Nó có ba tham số:
a
- giới hạn dưới - mặc định 0 .0.
b
- giới hạn trên - mặc định 1.0.
size
- Hình dạng của mảng trả về.
Thí dụ
Tạo mẫu phân phối đồng nhất 2x3:
từ nhập khẩu ngẫu nhiên
x = ngẫu nhiên.uniform [size = [2, 3]]
print[x]
Hãy tự mình thử »
Hình dung phân phối đồng nhất
Thí dụ
Tạo mẫu phân phối đồng nhất 2x3:
import matplotlib.pyplot as plt
import seaborn as sns
từ nhập khẩu ngẫu nhiên
plt.show[]
x = ngẫu nhiên.uniform [size = [2, 3]]
Hãy tự mình thử »
A & nbsp; Phân phối thống nhất & nbsp; là phân phối xác suất trong đó mọi giá trị giữa một khoảng từ & nbsp; a & nbsp; to & nbsp; b & nbsp; có khả năng được chọn như nhau.
Xác suất là chúng tôi sẽ có được giá trị giữa x1 & nbsp; và x2 & nbsp; trong một khoảng từ & nbsp; a & nbsp; to & nbsp; b & nbsp; có thể được tìm thấy bằng cách sử dụng công thức:
P [thu được giá trị giữa x1 & nbsp; và x2] & nbsp; = & nbsp; [x2 & nbsp; - x1] / [b - a]
Để tính toán các xác suất liên quan đến phân phối đồng nhất trong Python, chúng ta có thể sử dụng hàm scipy.stats.uniform [], sử dụng cú pháp cơ bản sau:
scipy.stats.uniform [x, loc, tỷ lệ]
where:
- X: Giá trị của phân phối đồng nhất: The value of the uniform distribution
- LỘC: Giá trị tối thiểu có thể: The minimum possible value
- LOC + tỷ lệ: Giá trị tối đa có thể: The maximum possible value
Các ví dụ sau đây cho thấy cách sử dụng chức năng này trong thực tế.
ví dụ 1
Giả sử một chiếc xe buýt xuất hiện tại một trạm xe buýt cứ sau 20 phút. Nếu bạn đến trạm xe buýt, xác suất xe buýt sẽ xuất hiện trong 8 phút hoặc ít hơn là gì?
Chúng ta có thể sử dụng mã sau trong Python để tính xác suất này:
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=8, loc=0, scale=20] - uniform.cdf[x=0, loc=0, scale=20] 0.4
Xác suất xe buýt xuất hiện trong 8 phút trở xuống là & NBSP; 0,4.0.4.
Ví dụ 2
Trọng lượng của một loài ếch nhất định được phân bố đồng đều trong khoảng từ 15 đến 25 gram. Nếu bạn chọn ngẫu nhiên một con ếch, xác suất con ếch nặng từ 17 đến 19 gram là gì?
Chúng ta có thể sử dụng mã sau trong Python để tính xác suất này:
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.2
Xác suất xe buýt xuất hiện trong 8 phút trở xuống là & NBSP; 0,4. 0.2.
Ví dụ 2
Trọng lượng của một loài ếch nhất định được phân bố đồng đều trong khoảng từ 15 đến 25 gram. Nếu bạn chọn ngẫu nhiên một con ếch, xác suất con ếch nặng từ 17 đến 19 gram là gì?
Chúng ta có thể sử dụng mã sau trong Python để tính xác suất này:
from scipy.stats import uniform
#calculate uniform probability
uniform.cdf[x=170, loc=120, scale=50] - uniform.cdf[x=150, loc=120, scale=50]
0.4
Xác suất xe buýt xuất hiện trong 8 phút trở xuống là & NBSP; 0,4.0.4.
Ví dụ 2 You can double check the solution to each example by using the Uniform Distribution Calculator.
Trọng lượng của một loài ếch nhất định được phân bố đồng đều trong khoảng từ 15 đến 25 gram. Nếu bạn chọn ngẫu nhiên một con ếch, xác suất con ếch nặng từ 17 đến 19 gram là gì?
Xác suất ếch nặng từ 17 đến 19 gram là & nbsp; 0,2.
Ví dụ 3
How to Use the Poisson Distribution in Python
How to Use the t Distribution in Python
Vẽ các mẫu từ phân phối đồng nhất.
Các mẫu được phân phối đồng đều trong khoảng thời gian nửa mở ____10 [bao gồm thấp, nhưng không bao gồm cao]. Nói cách khác, bất kỳ giá trị nào trong khoảng thời gian đã cho đều có khả năng được rút ra bởi
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.21.
Ghi chú
Mã mới nên sử dụng phương thức
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.21 của một thể hiện
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.23 thay thế; Vui lòng xem bắt đầu nhanh chóng.Quick Start.ParameterSlowFloat hoặc Array_Like of Floats, Tùy chọnlowfloat or array_like of floats, optional
Ranh giới thấp hơn của khoảng đầu ra. Tất cả các giá trị được tạo sẽ lớn hơn hoặc bằng thấp. Giá trị mặc định là 0.
HighFloat hoặc Array_like of Floatsfloat or array_like of floatsRanh giới trên của khoảng đầu ra. Tất cả các giá trị được tạo sẽ nhỏ hơn hoặc bằng cao. Giới hạn cao có thể được bao gồm trong mảng nổi được trả về do làm tròn điểm nổi trong phương trình
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.24. Giá trị mặc định là 1.0.kích thước hoặc tuple của int, tùy chọnint or tuple of ints, optional
Hình dạng đầu ra. Nếu hình dạng đã cho là, ví dụ,
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.25, thì các mẫu
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.26 được rút ra. Nếu kích thước là
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.27 [mặc định], một giá trị duy nhất được trả về nếu
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.28 và
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.29 đều là vô hướng. Nếu không, các mẫu
from scipy.stats import uniform
#calculate uniform probability
uniform.cdf[x=170, loc=120, scale=50] - uniform.cdf[x=150, loc=120, scale=50]
0.4
0 được rút ra.ReturnSoutNDarray hoặc vô hướngoutndarray or scalarCác mẫu rút ra từ phân phối đồng đều được tham số hóa.
Xem thêm
from scipy.stats import uniform
#calculate uniform probability
uniform.cdf[x=170, loc=120, scale=50] - uniform.cdf[x=150, loc=120, scale=50]
0.4
1Phân phối đồng nhất rời rạc, năng suất số nguyên.
from scipy.stats import uniform
#calculate uniform probability
uniform.cdf[x=170, loc=120, scale=50] - uniform.cdf[x=150, loc=120, scale=50]
0.4
2Phân phối đồng đều rời rạc trong khoảng thời gian đóng
from scipy.stats import uniform
#calculate uniform probability
uniform.cdf[x=170, loc=120, scale=50] - uniform.cdf[x=150, loc=120, scale=50]
0.4
3.from scipy.stats import uniform
#calculate uniform probability
uniform.cdf[x=170, loc=120, scale=50] - uniform.cdf[x=150, loc=120, scale=50]
0.4
4Phao phân phối đồng đều trên
from scipy.stats import uniform
#calculate uniform probability
uniform.cdf[x=170, loc=120, scale=50] - uniform.cdf[x=150, loc=120, scale=50]
0.4
5.from scipy.stats import uniform
#calculate uniform probability
uniform.cdf[x=170, loc=120, scale=50] - uniform.cdf[x=150, loc=120, scale=50]
0.4
6Bí danh cho
from scipy.stats import uniform
#calculate uniform probability
uniform.cdf[x=170, loc=120, scale=50] - uniform.cdf[x=150, loc=120, scale=50]
0.4
4.from scipy.stats import uniform
#calculate uniform probability
uniform.cdf[x=170, loc=120, scale=50] - uniform.cdf[x=150, loc=120, scale=50]
0.4
8Hàm tiện lợi chấp nhận kích thước làm đầu vào, ví dụ,
from scipy.stats import uniform
#calculate uniform probability
uniform.cdf[x=170, loc=120, scale=50] - uniform.cdf[x=150, loc=120, scale=50]
0.4
9 sẽ tạo ra một mảng floats 2 x 2, được phân phối đồng đều trên from scipy.stats import uniform
#calculate uniform probability
uniform.cdf[x=170, loc=120, scale=50] - uniform.cdf[x=150, loc=120, scale=50]
0.4
5.>>> x = np.float32[5*0.99999999] >>> x 5.01
nên được sử dụng cho mã mới.
Ghi chú
Hàm mật độ xác suất của phân phối đồng nhất là
\ [p [x] = \ frac {1} {b - a} \]
Bất cứ nơi nào trong khoảng thời gian
>>> x = np.float32[5*0.99999999] >>> x 5.02 và không ở nơi khác.
Khi
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.29 ==
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.28, các giá trị của
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.28 sẽ được trả về. Nếu
from scipy.stats import uniform #calculate uniform probability uniform.cdf[x=19, loc=15, scale=10] - uniform.cdf[x=17, loc=15, scale=10] 0.29 >> x = np.float32[5*0.99999999] >>> x 5.0
Ví dụ
Vẽ các mẫu từ phân phối:
>>> s = np.random.uniform[-1,0,1000]
Tất cả các giá trị nằm trong khoảng thời gian đã cho:
>>> np.all[s >= -1] True >>> np.all[s >> import matplotlib.pyplot as plt >>> count, bins, ignored = plt.hist[s, 15, density=True] >>> plt.plot[bins, np.ones_like[bins], linewidth=2, color='r'] >>> plt.show[]