数据结构
网络
关系数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究使用 Python 展示统计学中的负二项分布
在本问题陈述中，我们必须借助 Python 展示统计学中的负二项离散分布。因此，为了展示此统计数据，我们将使用 Python 的 numpy 和 matplotlib 库。
什么是负二项离散分布？
在统计学中，负二项分布表示获得一定次数失败所需的试验次数。在这种情况下，试验可能导致成功或失败。因此，我们可以说，在试验中获得一定次数成功之前发生的失败次数。它与几何分布有关。
负二项分布由三个参数“r”、“p”和 X 定义。其中参数 r 表示所需的成功次数，参数 p 表示每次试验成功的概率。而 X 显示获得固定次数成功所需的试验次数。
算法
步骤 1 - 在此步骤中导入必要的库。在我们的程序中，我们将使用 Numpy 和 matplotlib 库。
# Import the necessary libraries import numpy as nmp import matplotlib.pyplot as plot
步骤 2 - 在第二步中将定义并初始化参数 r 和 p。这里 r 是失败次数，p 是成功的概率。
r = 6 p = 0.5
步骤 3 - 现在，我们将使用 random.negative_binomial 在此步骤中生成随机样本。
samples = nmp.random.negative_binomial(r, p, size=1000)
步骤 4 - 最后，我们将通过定义 x 轴和 y 轴来绘制分布，并使用 show 方法显示分布。
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()
输出
复杂度
使用 Numpy 和 Matplotlib 库显示负二项离散分布的时间复杂度为 O(n)，其中 n 是样本数量
结论
在本文中，我们探讨了如何使用 Python 展示负二项分布。我们还讨论了获得所需输出的逻辑和算法。
更新于：2023 年 10 月 18 日
137 次查看
广告