विस्कृत रैंडम वैरिएबल जनरेट करना

Python में Monte Carlo Simulations

Izzy Weber

Curriculum Manager, DataCamp

ज़रूरी इम्पोर्ट्स

import scipy.stats as st

import seaborn as sns
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

विस्कृत यूनिफॉर्म वितरण

सैद्धांतिक प्रायिकता मास फ़ंक्शन (PMF): विस्कृत यूनिफॉर्म वितरण के लिए सैद्धांतिक प्रायिकता मास फ़ंक्शन

विस्कृत यूनिफॉर्म वितरण से सैंपलिंग

low = 3 
high = 21
samples = st.randint.rvs(low, high, size=1000)
samples_dict = {"nums":samples}
sns.histplot(x="nums", data=samples_dict, bins=6, binwidth=0.3)

विस्कृत यूनिफॉर्म वितरण से सैंपल परिणामों का ग्राफ

ज्योमेट्रिक वितरण

सफलता की प्रायिकता $p$ दी होने पर, एक सफलता पाने के लिए चाहिए ट्रायल्स की संख्या $X$ का प्रायिकता वितरण.

प्रायिकता मास फ़ंक्शन, p = 0.5 p = 0.5 होने पर ज्योमेट्रिक वितरण के लिए सैद्धांतिक प्रायिकता मास फ़ंक्शन

ज्योमेट्रिक वितरण

प्रायिकता मास फ़ंक्शन, p = 0.3 p = 0.3 होने पर ज्योमेट्रिक वितरण के लिए सैद्धांतिक प्रायिकता मास फ़ंक्शन

ज्योमेट्रिक वितरण से सैंपलिंग

p = 0.2
samples = st.geom.rvs(p, size=1000)
samples_dict = {"nums":samples}
sns.histplot(x="nums", data=samples_dict)

ज्योमेट्रिक वितरण से सैंपल परिणामों का ग्राफ

और विस्कृत प्रायिकता वितरण

Poisson (scipy.stats.poisson)
- किसी नियत समय या स्थानांतराल में घटनाओं की दी गई संख्या की प्रायिकता दर्शाता है
Binomial (scipy.stats.binom)
- $n$ स्वतंत्र प्रयोगों में सफलताओं की संख्या की प्रायिकता दर्शाता है
और भी!

¹ https://docs.scipy.org/doc/scipy/reference/stats.html#discrete-distributions

अभ्यास करते हैं!

Python में Monte Carlo Simulations