การแจกแจงแบบเรขาคณิต

พื้นฐานความน่าจะเป็นด้วย Python

Alexander A. Ramírez M.

CEO @ Synergy Vision

การสร้างโมเดลแบบเรขาคณิต

นักบาสเกตบอลยิงฟรีโธรว์

กราฟฟังก์ชันมวลความน่าจะเป็นของการแจกแจงแบบเรขาคณิต

โมเดลสำหรับนักบาสเกตบอลที่มีความน่าจะเป็นในการทำคะแนน 0.3

กราฟฟังก์ชันมวลความน่าจะเป็นของการแจกแจงแบบเรขาคณิต

สามารถสร้างโมเดลหมีกริซลีที่มีความน่าจะเป็น 0.033 ในการจับปลาแซลมอนได้

กราฟฟังก์ชันมวลความน่าจะเป็นของการแจกแจงแบบเรขาคณิต

ใน Python เขียนโค้ดได้ดังนี้

# Import geom
from scipy.stats import geom

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

0.02455102908739612

พารามิเตอร์ p ระบุความน่าจะเป็นของความสำเร็จ

ฟังก์ชันการแจกแจงสะสมของการแจกแจงแบบเรขาคณิต

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

0.7598999999999999

ฟังก์ชันการรอดของการแจกแจงแบบเรขาคณิต

$$ $$

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

0.49000000000000005

ฟังก์ชัน percent point ของการแจกแจงแบบเรขาคณิต

$$ $$

# 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()

ฮิสโทแกรมตัวอย่างการแจกแจงแบบเรขาคณิต

พื้นฐานความน่าจะเป็นด้วย Python