统计学中使用 Python 的 Moyal 分布

2025年3月17日 | 阅读 3 分钟

scipy.stats.moyal 描述了 Moyal 连续随机变量。它是从通用方法继承的 rv_continuous 类的一个实例。它通过添加特定于此分布的技术细节来完善这些技术。

提供 Moyal 分布的概率密度函数（Probability Density Function）如下：

Moyal Distribution in Statistics using Python

对于任何实数 x。

定义的 moyal 分布的概率密度函数是标准化形式。我们使用 loc 和 scale 参数来移动和缩放分布。位置的移动并不会使其成为非中心分布。moyal.pdf(x, loc, scale) 等于 moyal.pdf(y) / scale，其中 y = (x - loc) / scale。

Moyal 分布中包含的参数

q: 它被称为下尾和上尾的概率。
x: 它指的是分位数。
loc: 用于指代位置参数。此参数是可选的。
scale: 它指的是尺度参数。此参数是可选的。
moments：它由不同的字母组成 ['msvk']
- 'm': 均值
- 'v': 方差
- 's': 费舍尔偏度
- 'k': 费舍尔峰度

默认值为 'mv'（平均值和方差）

Size: 它定义了形状或随机变量。它是一个整数数据类型的元组。这是一个可选参数。
结果: 它返回 Moyal 连续随机变量。

Python 在 scipy.stats 库中提供了 moyal 模块，该模块用于查找 Moyal 分布。

在 Python 中导入 moyal() 库

让我们通过不同情况下的不同程序来帮助理解统计学中 Moyal 分布的概念。

程序 1：创建 Moyal 分布随机变量的程序

代码

from scipy.stats import moyal
numargs = moyal.numargs 
x, y = 3.34, 4.19
ra_v = moyal(x, y) 

print ("Random Variable : \n", ra_v)

输出

Random Variable :

说明

我们使用 moyal() 函数为 Moyal 分布创建了一个随机变量。我们首先导入了模块，分配了两个变量，然后使用 moyal() 函数打印了随机变量。

程序 2：创建 Moyal 连续变异数和概率分布的程序。

代码

from scipy.stats import moyal
import numpy as np 
quant = np.arange (0.03, 1, 0.01) 
  
# Random Variates 
r = moyal.rvs(x, y) 
print ("Random Variates : \n", r) 
  
# Probability Distribution Function
r = moyal.pdf(x, y, quant) 
print ("\nThe Probability Distribution : \n", r)

输出

Random Variates : 
 5.433057489802547
The Probability Distribution : 
 [0.00000000e+000 0.00000000e+000 0.00000000e+000 0.00000000e+000
 0.00000000e+000 0.00000000e+000 0.00000000e+000 0.00000000e+000
 0.00000000e+000 1.71574983e-257 6.45284818e-149 4.82438362e-093
 7.66841150e-062 3.16667935e-043 1.69312620e-031 9.11678236e-024
 1.79604652e-018 9.98985023e-015 5.29128092e-012 5.66170389e-010
 1.98046197e-008 3.11086502e-007 2.72050184e-006 1.53744531e-005
 6.23980859e-005 1.96266675e-004 5.05959515e-004 1.11453385e-003
 2.16511397e-003 3.79994588e-003 6.13937970e-003 9.26625611e-003
 1.32181547e-002 1.79872053e-002 2.35255454e-002 2.97540234e-002
 3.65720193e-002 4.38668423e-002 5.15217984e-002 5.94225337e-002
 6.74616140e-002 7.55415155e-002 8.35762953e-002 9.14922397e-002
 9.92277665e-002 1.06732820e-001 1.13967946e-001 1.20903201e-001
 1.27516990e-001 1.33794916e-001 1.39728688e-001 1.45315106e-001
 1.50555158e-001 1.55453209e-001 1.60016308e-001 1.64253578e-001
 1.68175711e-001 1.71794536e-001 1.75122659e-001 1.78173171e-001
 1.80959406e-001 1.83494751e-001 1.85792486e-001 1.87865668e-001
 1.89727039e-001 1.91388951e-001 1.92863320e-001 1.94161592e-001
 1.95294716e-001 1.96273137e-001 1.97106788e-001 1.97805096e-001
 1.98376988e-001 1.98830903e-001 1.99174806e-001 1.99416207e-001
 1.99562173e-001 1.99619354e-001 1.99593998e-001 1.99491972e-001
 1.99318779e-001 1.99079582e-001 1.98779220e-001 1.98422224e-001
 1.98012838e-001 1.97555036e-001 1.97052534e-001 1.96508810e-001
 1.95927118e-001 1.95310497e-001 1.94661790e-001 1.93983655e-001
 1.93278575e-001 1.92548869e-001 1.91796703e-001 1.91024102e-001
 1.90232956e-001]

说明

我们使用 numpy 数组分配的 .pdf 方法打印了随机连续变异数和概率分布。

程序 3：图形化表示 Moyal 概率分布的程序。

代码

from scipy.stats import moyal
import numpy as np 
import matplotlib.pyplot as plt 
     
distribution = np.linspace(0, np.minimum(ra_v.dist.b, 2)) 
print("Distribution : \n", distribution) 
plot = plt.plot(distribution, ra_v.pdf(distribution))

输出

Distribution : 
 [0.         0.04081633 0.08163265 0.12244898 0.16326531 0.20408163
 0.24489796 0.28571429 0.32653061 0.36734694 0.40816327 0.44897959
 0.48979592 0.53061224 0.57142857 0.6122449  0.65306122 0.69387755
 0.73469388 0.7755102  0.81632653 0.85714286 0.89795918 0.93877551
 0.97959184 1.02040816 1.06122449 1.10204082 1.14285714 1.18367347
 1.2244898  1.26530612 1.30612245 1.34693878 1.3877551  1.42857143
 1.46938776 1.51020408 1.55102041 1.59183673 1.63265306 1.67346939
 1.71428571 1.75510204 1.79591837 1.83673469 1.87755102 1.91836735
 1.95918367 2.        ]

说明

我们使用 numpy 数组打印了分布，然后使用 matplotlib，我们使用概率密度函数打印了Moyal 分布的图。

程序 4：图形化表示 Moyal 概率分布函数中变化的方位参数的程序。

代码

from scipy.stats import moyal
import matplotlib.pyplot as plt 
import numpy as np 
x = np.linspace(0, 8, 100) 
     
# Varying positional arguments 
y1 = moyal .pdf(x, 2, 6) 
y2 = moyal .pdf(x, 3, 7) 
plt.plot(x, y1, "g+", x, y2, "y--")

输出

[,
 ]

说明

我们创建了一个具有线性、等距的 numpy 数组，然后使用概率密度函数绘制了两个不同Moyal 分布的图。

下一主题Python Appium 框架

统计学中使用 Python 的 Moyal 分布

在 Python 中导入 moyal() 库

联系信息

关注我们

教程

面试题

在线编译器

Python

Java

.Net Framework

AI, ML and Data Science

Cloud Technology

B.Tech and MCA

Web Technology

PHP

Software Testing

Technical Interview

Java Interview

Python

Web Interview

Database Interview

B.Tech / MCA

Important Interview

Software Testing Interview

Company Interviews

Online Compilers

Multiple Choice Questions

Python 问题

统计学中使用 Python 的 Moyal 分布

在 Python 中导入 moyal() 库

相关帖子

PIP 简介和 Python 中安装模块

查找未排序数组中三角形的数量

Python 中的 __future__ 模块

Scratch 和 Python 基础

最小交换次数排序

Python Web2py 框架

使用 TensorFlow 进行作物推荐系统

Python 内存管理

C vs C++ vs Python vs Java

Python 中的结构化模式匹配

订阅 Tpoint Tech

联系信息

关注我们

教程

面试题

在线编译器

Python 中的 future 模块