Hướng dẫn how do you plot a poisson distribution in python? - làm thế nào để bạn lập biểu đồ phân phối poisson trong python?

Xem thảo luận

Cải thiện bài viết

Lưu bài viết

Xem thảo luận

Cải thiện bài viết

Lưu bài viết

Đọc

Bàn luậnSciPy is a free and open-source Python library used for scientific computing and technical computing. SciPy contains modules for optimization, linear algebra, integration, interpolation, special functions, FFT, signal and image processing, ODE solvers and other tasks common in science and engineering.

Trong bài viết này, chúng ta sẽ xem làm thế nào chúng ta có thể tạo ra một biểu đồ chức năng khối xác suất Poisson trong Python. Trong lý thuyết và thống kê xác suất, phân phối Poisson là một phân phối xác suất riêng biệt thể hiện xác suất của một số lượng sự kiện nhất định xảy ra trong một khoảng thời gian hoặc không gian cố định nếu các sự kiện này xảy ra với tốc độ trung bình không đổi đã biết và độc lập về thời gian sự kiện cuôi cung. Phân phối Poisson cũng có thể được sử dụng cho số lượng sự kiện trong các khoảng thời gian được chỉ định khác như khoảng cách, diện tích hoặc khối lượng. & NBSP;
Syntax : poisson.pmf(k, mu, loc)
Argument : It takes numpy array, shape parameter and location as argument
Return : It returns numpy array 
 

Để vẽ sơ đồ phân phối Poisson, chúng tôi sẽ sử dụng mô -đun SCIPY. Scipy là một thư viện Python miễn phí và nguồn mở được sử dụng để điện toán khoa học và điện toán kỹ thuật. SCIPY chứa các mô -đun để tối ưu hóa, đại số tuyến tính, tích hợp, nội suy, chức năng đặc biệt, FFT, xử lý tín hiệu và hình ảnh, bộ giải ODE và các nhiệm vụ khác phổ biến trong khoa học và kỹ thuật.

Python3

Để có được biểu đồ chức năng khối xác suất Poisson trong Python, chúng tôi sử dụng phương pháp Poisson.pmf của Scipy. mảng numpy & nbsp; & nbsp;

Ví dụ 1:

from scipy.stats import poisson

import numpy as np

import import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 0

import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 1import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 2 import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 3import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 4import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 5import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 6import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 5import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 8import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 9

from0

import numpy as np import scipy.misc import math import matplotlib.pyplot as plt t = np.arange(0, 20, 0.1) x = np.power(t, 5) y = scipy.misc.factorial(t) plt.plot( t, x / y, 'bs') plt.show() 0import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 2 import numpy as np import scipy.misc import math import matplotlib.pyplot as plt t = np.arange(0, 20, 0.1) x = np.power(t, 5) y = scipy.misc.factorial(t) plt.plot( t, x / y, 'bs') plt.show() 2import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 2import numpy as np import scipy.misc import math import matplotlib.pyplot as plt t = np.arange(0, 20, 0.1) x = np.power(t, 5) y = scipy.misc.factorial(t) plt.plot( t, x / y, 'bs') plt.show() 4import numpy as np import scipy.misc import math import matplotlib.pyplot as plt t = np.arange(0, 20, 0.1) x = np.power(t, 5) y = scipy.misc.factorial(t) plt.plot( t, x / y, 'bs') plt.show() 5__12 
 

import numpy as np import scipy.misc import math import matplotlib.pyplot as plt t = np.arange(0, 20, 0.1) x = np.power(t, 5) y = scipy.misc.factorial(t) plt.plot( t, x / y, 'bs') plt.show() 9 Using step size of data as 1 

Python3

Để có được biểu đồ chức năng khối xác suất Poisson trong Python, chúng tôi sử dụng phương pháp Poisson.pmf của Scipy. mảng numpy & nbsp; & nbsp;

Ví dụ 1:

from scipy.stats import poisson

import numpy as np

import import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 0

import numpy as np import scipy.misc import math import matplotlib.pyplot as plt t = np.arange(0, 20, 0.1) x = np.power(t, 5) y = scipy.misc.factorial(t) plt.plot( t, x / y, 'bs') plt.show() 9

from0

Output:   
 

import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 1import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 2 import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 3import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 4import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 5import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 6import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 5import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 8import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 9 Plotting scatterplot for better viewing of data points 

Python3

Để có được biểu đồ chức năng khối xác suất Poisson trong Python, chúng tôi sử dụng phương pháp Poisson.pmf của Scipy. mảng numpy & nbsp; & nbsp;

Ví dụ 1:

from scipy.stats import poisson

import numpy as np

import import numpy as np import matplotlib.pyplot as plt from scipy.special import factorial t = np.arange(0, 20, 0.1) d = np.exp(-5)*np.power(5, t)/factorial(t) plt.plot(t, d, 'bs') plt.show() 0

numpy as np5

from0

Output: