#scipy
文章平均质量分 89
yingfly
这个作者很懒,什么都没留下…
展开
-
傅里叶Fourier变换fft-python-scipy-幅值-辐角-相位(二)
文章目录1 傅里叶级数2 傅里叶变换3 离散傅里叶变换DFT重点:举例1-尝试一个周期为2,采样时间为1的例子重新梳理傅里叶变换时,在变换后的频率处理时,踩了一个大坑,记录以下。1 傅里叶级数傅里叶的发现总结成一般规律就是任意复杂的信号都能由一个个混合在一起的正弦函数的和来表示。假设函数f(t)\Large f(t)f(t)定义在[0,T)上,则ω0=2πT\Large\omega_0 = \frac {2\pi} Tω0=T2π,{sinω0t,cosω0t,...,sinnω0t,c原创 2021-06-23 11:33:38 · 2087 阅读 · 1 评论 -
二项分布与负二项分布卡片
目录二项分布性质负二项分布性质示例期望与方差二项分布容易理解,负二项分布的描述不同模型稍有区别,记录一下。二项分布离散分布的一种,固定次数的独立试验时使用,每一次试验结果分为成功和失败两类,关心的是成功或失败的次数。二项分布概率密度为:P(X=k)=Cnkpkqn−k\large\displaystyle P(X=k)=C_n^k p^kq^{n-k}P(X=k)=Cnkpkqn−k其中:p为单次试验成功的概率,q为失败的概率;n为试验次数;k表示成功k次,Cnk=n!k!(n−k)原创 2021-03-05 18:19:18 · 3808 阅读 · 0 评论 -
几何分布GeometricDistribution
几何分布几何分布用于描述这种分布:独立事件的结果只有2个:”1和0“ 或”成功和失败“等,成功的概率为ppp, 失败的概率为q=1−pq=1-pq=1−p; 第r次成功的概率为P(X=r)=p⋅qr−1P(X=r)=p\cdot q^{r-1}P(X=r)=p⋅qr−1即用来描述进行多次伯努利事件,第1次成功次数的概率;换句话说每一次事件都有成功和失败的可能,所关心的是第一次成功的概率或取得第一次成功需要试验的次数。期望 :E(X)=1p\displaystyle E(X)=\frac {1}{p}原创 2021-02-26 11:05:03 · 13414 阅读 · 0 评论 -
超几何分布HyperGeometricDistribution
超几何分布HyperGeometricDistribution超几何分布描述不放回抽样的抽取试验,即每进行一次抽样,事件发生的概率均有一定的变化。如:在含有M个红球的N个球中,任取n个球,其中恰有X个红球,则事件{X=k}发生的概率为:P(X=k,n,M,N)=CMkCN−Mn−kCNn\large\displaystyle P(X=k,n,M,N)=\frac{C_M^kC_{N-M}^{n-k}}{C_N^n}P(X=k,n,M,N)=CNnCMkCN−Mn−k如果是抽取n+1n+1n原创 2021-02-26 10:53:34 · 2485 阅读 · 0 评论 -
泊松分布卡片-python实现
泊松分布 Poisson Distribution泊松分布简要实例举例泊松分布简要实例泊松分布 Poisson Probabilities用于描述一种分布:已知给定区间内事件的平均发生次数 ???? ,推断在给定区间内事件的发生次数,区间可以是时间也可以是空间。泊松分布的期望与方差均为 ????。比如统计数据表明一台机器平均1周故障 ???? 次,那么接下来一周的故障次数满足以下规律:P(x=k)=e−λλk!k\displaystyle P(x=k)= \frac {e^{-\lambda}原创 2021-02-20 17:22:43 · 469 阅读 · 1 评论