python 余数a=k*b+r_Python Scipy stats.beta()用法及代码示例

scipy.stats.beta()是一个beta连续随机变量，使用标准格式和一些形状参数进行定义以完成其规格。

参数：

q :上下尾概率

a，b：形状参数

x :分位数

loc :[可选]位置参数。默认值= 0

scale :[可选]比例参数。默认值= 1

size :[int型元组，可选]形状或随机变量。

moments :[可选]由字母['mvsk']组成； “ m” =均值，“ v” =方差，“ s” = Fisher的偏度，“ k” = Fisher的峰度。 (默认=“ MV”)。

结果：beta连续随机变量

代码1：创建Beta连续随机变量

# importing scipy

from scipy.stats import beta

numargs = beta.numargs

[a, b] = [0.6, ] * numargs

rv = beta(a, b)

print ("RV : \n", rv)

输出：

RV :

代码2：β随机变量和概率分布函数。

import numpy as np

quantile = np.arange (0.01, 1, 0.1)

# Random Variates

R = beta.rvs(a, b, scale = 2,  size = 10)

print ("Random Variates : \n", R)

# PDF

R = beta.pdf(quantile, a, b, loc = 0, scale = 1)

print ("\nProbability Distribution : \n", R)

输出：

Random Variates :

[1.47189604 1.47284574 1.84692416 1.0686604 0.32709236 1.96857076

0.00639731 1.97093898 1.34811881 0.34269426]

Probability Distribution :

[2.62281037 1.04883674 0.84934164 0.76724957 0.73040985 0.72096547

0.73529768 0.77903762 0.8752367 1.1264383 ]

代码3：图形表示。

import numpy as np

import matplotlib.pyplot as plt

distribution = np.linspace(0, np.maximum(rv.dist.b, 5))

plot = plt.plot(distribution, rv.pdf(distribution))

输出：

代码4：改变位置参数

from scipy.stats import arcsine

import matplotlib.pyplot as plt

import numpy as np

x = np.linspace(0, 1.0, 100)

# Varying positional arguments

y1 = beta.pdf(x, 2.75, 2.75)

y2 = beta.pdf(x, 3.25, 3.25)

plt.plot(x, y1, "*", x, y2, "r--")

输出：