python 中的 sympy.stats.ExGaussian()
原文:https://www.geesforgeks.org/sympy-stats-ex Gaussian-in-python/
借助**sympy.stats.ExGaussian()**
方法,我们可以得到代表指数修正高斯分布的连续随机变量。
语法:
sympy.stats.ExGaussian(name, mean, std, rate)
返回:返回连续随机变量。
示例#1 :
在这个示例中,我们可以看到,通过使用sympy.stats.ExGaussian()
方法,我们能够使用该方法获得代表指数修正高斯分布的连续随机变量。
# Import sympy and ExGaussian
from sympy.stats import ExGaussian, density
from sympy import Symbol
mean = Symbol("mean", integer = True, positive = True)
std = Symbol("std", integer = True, positive = True)
rate = Symbol("rate", integer = True, positive = True)
z = Symbol("z")
# Using sympy.stats.ExGaussian() method
X = ExGaussian("x", mean, std, rate)
gfg = density(X)(z)
pprint(gfg)
输出:
/ 2 \ 比率 \ 2 平均值+比率标准–2 * z/ ——————————/__ _/2 \ \ 2 | \/2 * \平均值+比率标准–z/| 比率 e * erfc | ——————————————————————————| \ 2 标准/ ——————————————————————————————————————————————————T6】2
例 2 :
# Import sympy and ExGaussian
from sympy.stats import ExGaussian, density
from sympy import Symbol
mean = 22
std = 21
rate = 7
z = 0.4
# Using sympy.stats.ExGaussian() method
X = ExGaussian("x", mean, std, rate)
gfg = density(X)(z)
pprint(gfg)
输出:
/___ t 0]3.50044698618837 e+4758 * erfc \ 74.0142857142857 * \/2/