当前位置: 首页 > article >正文

机器学习之指数分布

指数分布: 指数分布可以用来表示独立随机事件发生的时间间隔。如果一个随机变量X的概率密度函数满足以下形式,就称X服从参数λ的指数分布,记作X ~ E(λ)或X~Exp(λ)。指数分布只有一个指数参数,且λ>0,λ表示单位时间发生该事件的次数
f ( x ) = { λ e − λ e x > 0 0 其他 f(x)= \begin{cases} \lambda e^{-\lambda e} \quad x>0 \\ \\ 0 \quad 其他 \end{cases} f(x)= λeλex>00其他

指数分布的一个显著的特点是其具有无记忆性。指数分布是描述泊松过程中的事件之间的时间的概率分布。
期望: 1 λ \frac{1}{\lambda} λ1 方差: 1 λ 2 \frac{1}{\lambda^2} λ21

from scipy import stats
import matplotlib.pyplot as plt
def expon(loc=8,scale=5):
 #按照定义,指数分布只有一个参数lambda,scale=1/lambda
 #loc定义域的左端点,相当于整体分布沿x轴平移loc
 #scale是lambda的倒数,loc+scale表示分布均值,scale^2表示该分布的方差
 expon_dist=stats.expon(loc=loc,scale=scale)
 x=np.arange(expon_dist.ppf(0.0001),expon_dist.ppf(0.9999))
 fig,ax=plt.subplots(1,1)
 ax.plot(x,expon_dist.pdf(x),label='Expon PDF')
 #ax.vlines(x,0,uniform_dist.pdf(x),colors='b',lw=5,alpha=0.5)
 ax.legend(loc='best',frameon=False)
 plt.ylabel('Probability')
 plt.title('PDF of Poisson Expon(loc={},scale={})'.format(loc,scale))
 plt.show()
expon()

在这里插入图片描述


http://www.kler.cn/a/228057.html

相关文章:

  • 【MySQL】悲观锁和乐观锁的原理和应用场景
  • SQL注入漏洞之高阶手法 宽字节注入以及编码解释 以及堆叠注入原理说明
  • 【UE插件】Sphinx关键词语音识别
  • 设计模式的艺术-策略模式
  • HTML特殊符号的使用示例
  • redis缓存和springboot缓存包冲突怎么办
  • 【已解决】c++ qt选中该行为什么该列部分变色
  • 51单片机实验课二
  • 商业智能(BI)数据分析、挖掘概念
  • python 爬虫安装http请求库
  • 修复wordpress安全漏洞
  • C语言如何控制输出最⼩宽度?
  • 【Python】【完整代码】解析Excel 文件中的内容并检查是否包含某字符串,并返回判断结果
  • 记录分享Spring Boot集成MQTT(配有简单实现示例)
  • Qt应用开发(安卓篇)——调用ioctl、socket等C函数
  • stable diffusion学习笔记——高清修复
  • vue3-setup语法糖 - 父子组件之间的传值
  • 《动手学深度学习(PyTorch版)》笔记7.1
  • yarn/npm certificate has expired
  • echarts绘制2D地图
  • 中国城乡建设统计年鉴,pdf、xls格式,时间覆盖2002-2022年
  • Dockerfile保留字
  • pgsql隐式联查的笛卡尔积和子查询性能
  • django微博热搜数据分析与可视化系统python毕业设计
  • 利用k8s Infra 容器,解决pod网络故障注入的问题
  • Python第十五章(文件)