Binomial aléatoire numpy
«BI» signifie deux, donc «binomial» signifie qu'un événement a deux résultats. La méthode Binomial () aléatoire Numpy traite des événements ayant des probabilités aléatoires. Cela signifie combien de fois des événements se sont produits. Il s'agit de ces événements ayant des sorties ou des résultats différents. Il s'agit d'analyse statistique des événements, comme le comptage des événements.
Par exemple: Le retournement d'une pièce peut être une tête ou une queue.
Une méthode binomiale aléatoire () est une distribution discrète."
Distribution discrète
La distribution discrète implique des données discrètes. Les données discrètes impliquent les valeurs dénombrables, finies et positives. Un binôme est l'une des distributions de probabilité discrètes.
Différence entre la distribution normale et binomiale
| Distribution normale | Distribution binomiale |
|---|---|
| La distribution normale implique une distribution continue. | La distribution binomiale implique une distribution discrète. Il a des événements qui réussissent ou les échecs. |
Caractéristiques de la méthode binomiale aléatoire numpy ()
Voici les caractéristiques de la distribution binomiale:
- Il donne deux événements ou sorties possibles, la tête ou la queue, le succès ou l'échec, oui ou non.
- Il donne le nombre «N» d'essais fixes.
- Pour chaque essai, la probabilité de deux possibilités reste identique.
- L'essai de réussite est calculé à partir de «N» Nombre d'essais.
- Chaque essai est indépendant de chaque essai.
Syntaxe de la méthode binomiale aléatoire numpy ()
La méthode binomiale aléatoire numpy est déclarée:
X = numpy.aléatoire.Binôme (n = non d'essai, p = probabilité, taille = taille du tableau)Arguments
Différents paramètres sont utilisés dans la déclaration de distribution binomiale python, qui sont les suivantes:
n = Il représente le nombre d'essais ou d'événements. C'est un champ obligatoire.
p = Il représente la probabilité d'un événement et combien de fois un événement ou un essai s'est produit. C'est aussi un champ requis. Il comprend des valeurs de flotteur dans la plage de [0, 1].
Taille = Ce paramètre représente la dimension du tableau résultant. C'est un champ facultatif. S'il n'en est pas, alors une seule valeur est renvoyée si les paramètres «n» et «p» sont tous deux des scalaires ou ont des valeurs similaires.
En outre, il y a deux autres paramètres utilisés dans la visualisation de la distribution binomiale aléatoire:
Hurler = Il représente l'histogramme.
Kde = Il représente la courbe sur le graphique.
Valeur de retour
La valeur de retour de la méthode Binomial () aléatoire Numpy sera scalaire ou ndarray.
Jetons un coup d'œil aux exemples pour en savoir plus en détail sur Binomial aléatoire Numpy ():
Exemple n ° 1
Trouver un tableau de sorties aléatoires en retournant une pièce 6 fois.
Dans ce cas, nous avons trouvé un tableau en retournant une pièce 6 fois. Au début de la mise en œuvre du programme, le module «aléatoire» est importé de la bibliothèque Numpy. Signifie aléatoire avoir une probabilité différente. Dans la déclaration suivante, «y» est la variable qui est initialisée. Puis Numpy Random.La fonction binomial () est appelée. Les paramètres de cette méthode ont attribué différentes valeurs comme n = 6, p = 0.2, et taille = 5. L'attribut «n» indique le non. des essais dans lesquels la pièce est retournée, ce qui est 6 fois. L'attribut «p» représente la probabilité qui est donnée comme 0.2, et «taille» représente la forme du tableau, qui est attribué comme 5. Dans la dernière déclaration, l'impression (y) est déclarée afficher le résultat de la distribution binomiale.
Après la mise en œuvre réussie du code, nous avons une sortie qui représente le tableau de taille 5 après avoir renversé la pièce 6 fois:
Exemple n ° 2
Création d'un tableau de sorties aléatoires en retournant une pièce 3 fois.
Voici un autre exemple de construction d'un tableau de résultats aléatoires en retournant une pièce. Dans ce code, nous avons les mêmes étapes que nous avons suivi dans l'exemple ci-dessus. Tout d'abord, l'importation d'un module aléatoire de la bibliothèque Numpy est une étape requise. Dans la deuxième instruction, «M», la variable d'entrée est initialisée. Puis la fonction aléatoire.Binomial () est invoqué. De plus, différents arguments (n, p, taille) sont passés à cette fonction. Ces paramètres ont donné les valeurs. Comme «n» est attribué 3, ce qui signifie que la pièce se retourne 3 fois, «p» est attribué 0.1, et la «taille» du tableau sera 3. L'instruction print () montre le résultat de la variable «M».
Dans le résultat, nous avons un tableau de dimension 3 pour laquelle la pièce est retournée 3 fois.
Exemple n ° 3
Trouver un tableau ayant des probabilités aléatoires après avoir retourné la pièce.
Nous avons maintenant une autre illustration pour discuter de la méthode plus numpy aléatoire binomial (). Ici, nous devons créer un tableau. Dans la première instruction, nous avons importé un module aléatoire. Ensuite, nous avons initialisé la «variable». Nous avons appelé au hasard.fonction binomial (). Ensuite, nous avons attribué des valeurs aux paramètres de cette fonction. Le «N» est attribué 100, ce qui signifie 100 essais. Le «P» est attribué un 0.5 valeur, et la «taille» du tableau défini est 10. La méthode print () est déclarée représenter le tableau résultant.
Nous avons ici un éventail de probabilités aléatoires comme résultat.
Visualisation de la fonction binomiale aléatoire numpy ()
Dans cet exemple, nous voyons comment la distribution binomiale est affichée.
Tout d'abord, l'importation de bibliothèques «PLT» et «NP» de Python. Nous avons la bibliothèque «Matplotlib» de Python, qui est utilisée pour tracer la probabilité de fonctions de masse et est également utilisée pour appeler la fonction hist (). La bibliothèque suivante que nous avons importée est Numpy en tant que «NP». Dans la déclaration suivante, nous avons appelé au hasard.Fonction Seed () et aléatoire.fonction binomial (). Ces fonctions ont des arguments différents. Ensuite, nous avons utilisé PLT.Méthode hist (). Les paramètres de cette fonction incluent «Array», «Bins» et «Edgecolor». L'étiquette du tracé résultant est attribuée par la fonction plt.titre(). La dernière fonction, PLT.show (), affichera le graphique requis de la probabilité aléatoire.
Conclusion
Dans ce guide sur la fonction Binomial () aléatoire numpy (), j'ai couvert différents sujets, qui incluent une introduction à la fonction binomiale () aléatoire de Numpy et une distribution discrète, la différence entre une distribution normale et une distribution binomiale, les caractéristiques du binomial aléatoire numpy () Méthode, syntaxe et paramètres de cette fonction. De plus, j'ai implémenté plusieurs codes dans lesquels nous utilisons la fonction binomiale aléatoire (). En fin de compte, nous avons également observé la visualisation de la distribution binomiale. J'espère que cet article vous aidera à effacer vos concepts sur Numpy Random Binomial () Méthode.