Rozkłady geometryczne

Podstawy rachunku prawdopodobieństwa w Pythonie

Alexander A. Ramírez M.

CEO @ Synergy Vision

Modelowanie geometryczne

Koszykarz rzucający wolne

Wykres funkcji masy prawdopodobieństwa rozkładu geometrycznego

Model koszykarza z prawdopodobieństwem trafienia 0,3.

Wykres funkcji masy prawdopodobieństwa rozkładu geometrycznego

Model niedźwiedzia grizzly z prawdopodobieństwem złowienia łososia 0,033.

Wykres funkcji masy prawdopodobieństwa rozkładu geometrycznego

W Pythonie zapisujemy to następująco:

# Import geom
from scipy.stats import geom

# Calculate the probability mass 
# with pmf
geom.pmf(k=30, p=0.0333)

0.02455102908739612

Parametr p określa prawdopodobieństwo sukcesu.

Dystrybuanta rozkładu geometrycznego

# Calculate cdf of 4
geom.cdf(k=4, p=0.3)

0.7598999999999999

Funkcja przeżycia rozkładu geometrycznego

$$ $$

# Calculate sf of 2
geom.sf(k=2, p=0.3)

0.49000000000000005

Funkcja punktu procentowego rozkładu geometrycznego

$$ $$

# Calculate ppf of 0.6
geom.ppf(q=0.6, p=0.3)

3.0

# Import poisson, matplotlib.pyplot, and seaborn
from scipy.stats import geom
import matplotlib.pyplot as plt
import seaborn as sns

# Create the sample using geom.rvs()
sample = geom.rvs(p=0.3, size=10000, random_state=13)

# Plot the sample
sns.distplot(sample, bins = np.linspace(0,20,21), kde=False)
plt.show()

Histogram próbki rozkładu geometrycznego

Podstawy rachunku prawdopodobieństwa w Pythonie