NumPy 1.14 - RandomState.binomial()

numpy.random.RandomState.binomial




numpy

numpy.random.RandomState.binomial

RandomState.binomial(n, p, size=None)

द्विपद वितरण से नमूने लें।

नमूनों को एक द्विपदीय वितरण से निर्दिष्ट मापदंडों, n परीक्षणों और सफलता की संभावना से खींचा जाता है जहां n पूर्णांक> = 0 और p अंतराल में है [0,1]। (n एक फ्लोट के रूप में इनपुट हो सकता है, लेकिन इसे उपयोग में पूर्णांक में काट दिया जाता है)

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 द्विपद वितरण से नमूने खींचे, जहां प्रत्येक नमूना n परीक्षणों पर सफलताओं की संख्या के बराबर है।

यह भी देखें

scipy.stats.binom
संभाव्यता घनत्व फ़ंक्शन, वितरण या संचयी घनत्व फ़ंक्शन, आदि।

टिप्पणियाँ

द्विपद वितरण के लिए संभाव्यता घनत्व है

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

कहा पे n परीक्षणों की संख्या है, पी सफलता की संभावना है, और एन सफलताओं की संख्या है।

यादृच्छिक नमूने का उपयोग करके जनसंख्या में अनुपात के मानक त्रुटि का अनुमान लगाते समय, सामान्य वितरण अच्छी तरह से काम करता है जब तक कि उत्पाद p * n <= 5, जहां p = जनसंख्या अनुपात अनुमान, और n = नमूनों की संख्या, जिस स्थिति में इसके बजाय द्विपद वितरण का उपयोग किया जाता है। उदाहरण के लिए, 15 लोगों का एक नमूना 4 दिखाता है जो बाएं हाथ के हैं, और 11 जो सही हाथ हैं। फिर पी = 4/15 = 27%। 0.27 * 15 = 4, इसलिए इस मामले में द्विपद वितरण का उपयोग किया जाना चाहिए।

संदर्भ

[R275279] डलागार्ड, पीटर, "आर के साथ परिचयात्मक सांख्यिकी", स्प्रिंगर-वर्लग, 2002।
[R276279] ग्लांट्ज़, स्टैंटन ए। "बायोस्टैटिस्टिक्स का प्राइमर।", मैकग्रा-हिल, फिफ्थ संस्करण, 2002।
[R277279] लेंटनर, मार्विन, "एलीमेंट्री एप्लाइड स्टैटिस्टिक्स", बोगडेन और क्विगली, 1972।
[R278279] वीसस्टीन, एरिक डब्ल्यू। "द्विपद वितरण।" मैथवर्ल्ड से- एक वोल्फ्राम वेब संसाधन। http://mathworld.wolfram.com/BinomialDistribution.html
[R279279] विकिपीडिया, "द्विपद वितरण", http://en.wikipedia.org/wiki/Binomial_distribution

उदाहरण

वितरण से नमूने लें:

>>> n, p = 10, .5  # number of trials, probability of each trial
>>> s = np.random.binomial(n, p, 1000)
# result of flipping a coin 10 times, tested 1000 times.

एक वास्तविक दुनिया उदाहरण। एक कंपनी ने 9 जंगली-बिल्ली के तेल की खोज के कुएं खोले, जिनमें से प्रत्येक में 0.1 की सफलता की अनुमानित संभावना है। सभी नौ कुएं फेल। क्या होने की संभावना है?

चलो मॉडल के 20,000 परीक्षण करते हैं, और शून्य सकारात्मक परिणाम उत्पन्न करने वाली संख्या की गणना करते हैं।

>>> sum(np.random.binomial(9, 0.1, 20000) == 0)/20000.
# answer = 0.38885, or 38%.