跳转至

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/



回到顶部