के बारे में कैसे scipy का उपयोग कर:
ओह, और यहाँ अन्य StackOverflow सवाल है कि मुझे वहाँ बताया है? आप continuous distributions in the scipy.stats library से इच्छित वितरण चुन सकते हैं।
सामान्यीकृत गामा फ़ंक्शन में गैर-शून्य स्कू और कुर्टोसिस है, लेकिन आपके पास एक विशेष माध्य, भिन्नता, स्क्व्यू और कुर्टोसिस प्राप्त करने के लिए वितरण निर्दिष्ट करने के लिए उपयोग करने के लिए पैरामीटर का उपयोग करने के लिए थोड़ा सा काम होगा। शुरू करने के लिए यहां कुछ कोड दिया गया है।
import scipy.stats
import matplotlib.pyplot as plt
distribution = scipy.stats.norm(loc=100,scale=5)
sample = distribution.rvs(size=10000)
plt.hist(sample)
plt.show()
print distribution.stats('mvsk')
यह मतलब 100 और विचरण 25 के साथ एक सामान्य वितरण से एक 10,000 तत्व के नमूने की एक हिस्टोग्राम प्रदर्शित करता है, और वितरण के आंकड़े प्रिंट:
(array(100.0), array(25.0), array(0.0), array(0.0))
सामान्यीकृत गामा के साथ सामान्य वितरण की जगह वितरण,
distribution = scipy.stats.gengamma(100, 70, loc=50, scale=10)
आपको आंकड़े [माध्य, भिन्नता, स्कू, कुर्टोसिस]मिलते हैं(array(60.67925117494595), array(0.00023388203873597746), array(-0.09588807605341435), array(-0.028177799805207737))
।
स्रोत
2013-10-26 09:57:25
किसी भी सामान्य वितरण में 0 और कुर्टोसिस 0 है। वितरण के एक अलग परिवार का उपयोग करें। –
सावधान रहें, स्काई और कुर्टोसिस की गणना को परिभाषित करने के कई तरीके हैं। क्षण माध्य, भिन्नता, skew, और कुर्टोसिस के बराबर नहीं हैं, हालांकि उनके पास एक ही जिस्ट है। –
इसके अलावा, क्षण एक अद्वितीय वितरण निर्दिष्ट नहीं करते हैं। [यह वही प्रश्न देखें लेकिन आर के बारे में पूछना: http://stackoverflow.com/questions/4807398/how-to-generate- वितरण-given-mean-sd-skew-and-kurtosis-in-r –