NumPy 1.14 - numpy.random.negative_binomial()

numpy.random.negative_binomial




numpy

numpy.random.negative_binomial

numpy.random.negative_binomial(n, p, size=None)

नकारात्मक द्विपद वितरण से नमूने लें।

नमूने निर्दिष्ट मापदंडों के साथ एक नकारात्मक द्विपद वितरण से तैयार किए गए हैं, n परीक्षण और सफलता की संभावना जहां n एक पूर्णांक है> 0 और p अंतराल में है [0, 1]।

पैरामीटर:

n : ints का int या array_like

वितरण का पैरामीटर,> 0. फ़्लोट्स भी स्वीकार किए जाते हैं, लेकिन उन्हें पूर्णांकों में विभाजित किया जाएगा।

p : फ्लोट्स की फ़्लोट या array_like

वितरण का पैरामीटर,> = 0 और <= 1।

आकार : इंट या टुपल इन्टस, वैकल्पिक

आउटपुट आकार। यदि दी गई आकृति है, जैसे, (m, n, k) , तो m * n * k नमूने खींचे जाते हैं। यदि आकार None (डिफ़ॉल्ट), यदि n और p दोनों स्केलर हैं तो एक एकल मान लौटाया जाता है। अन्यथा, np.broadcast(n, p).size नमूने खींचे जाते हैं।

यह दिखाता है:

बाहर : ndarray या स्केलर

पैरामीटर किए गए नकारात्मक द्विपद वितरण से नमूने खींचे, जहां प्रत्येक नमूना N के बराबर है, n - 1 सफलता प्राप्त करने के लिए लिए गए परीक्षणों की संख्या, N - (n - 1) विफलताओं, और (N + n) पर एक सफलता वें परीक्षण।

टिप्पणियाँ

नकारात्मक द्विपद वितरण के लिए संभाव्यता घनत्व है

P (N; n; p) = \ binom {N + n-1} {n-1} p ^ {n} (1-p) ^ {N},

कहा पे n-1 सफलताओं की संख्या है, पी सफलता की संभावना है, और एन n-1 परीक्षणों की संख्या है। नकारात्मक द्विपद वितरण N + n-1 परीक्षणों में n-1 सफलताओं और N विफलताओं की संभावना देता है, और (N + n) वें परीक्षण पर सफलता।

यदि कोई तीसरी बार "1" प्रकट होने तक बार-बार मरता है, तो तीसरे "1" से पहले दिखाई देने वाले गैर- "1" की संख्या की संभाव्यता वितरण एक नकारात्मक द्विपद वितरण है।

संदर्भ

[R487488] वीसस्टीन, एरिक डब्ल्यू। "नकारात्मक द्विपद वितरण।" मैथवर्ल्ड से- एक वुल्फ्राम वेब संसाधन। http://mathworld.wolfram.com/NegativeBinomialDistribution.html
[R488488] विकिपीडिया, "नकारात्मक द्विपद वितरण", http://en.wikipedia.org/wiki/Negative_binomial_distribution

उदाहरण

वितरण से नमूने लें:

एक वास्तविक दुनिया उदाहरण। एक कंपनी जंगली-बिल्ली के तेल अन्वेषण कुओं को ड्रिल करती है, प्रत्येक में 0.1 की सफलता की अनुमानित संभावना है। प्रत्येक क्रमिक कुएं के लिए एक सफलता होने की संभावना क्या है, कि 6 कुओं, 6 कुओं, आदि के बाद एक एकल सफलता की संभावना क्या है?

>>> s = np.random.negative_binomial(1, 0.1, 100000)
>>> for i in range(1, 11):
...    probability = sum(s<i) / 100000.
...    print i, "wells drilled, probability of one success =", probability