Distribuição binomial no NumPy

A distribuição binomial é uma distribuição de probabilidade que descreve o número de sucessos em um número fixo de tentativas independentes. Neste artigo, exploraremos a distribuição binomial aleatória Numpy e como usá-la.

O módulo numpy.random em Python fornece uma função para gerar números aleatórios da distribuição Binomial, conhecida como numpy.random.binomial .

Binômio Aleatório Numpy

Índice-

Distribuição binomial no NumPy:

Binômio Aleatório Numpy

Podemos dizer que o binomial aleatório Numpy é uma distribuição discreta no binomial aleatório Numpy.

Como resultado, explica a conclusão de cenários binários, por exemplo , jogar uma moeda e sair cara ou coroa, etc.

Sintaxe

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

Existem três parâmetros que compõem esta função:

Parâmetros	Visão geral
n	o número de testes realizados.
p	Probabilidade de cada evento acontecer (por exemplo, para jogar uma moeda, há uma probabilidade de 0,5 para cada).
tamanho	Este parâmetro especifica a forma da matriz que será gerada.

Observação : os parâmetros n e p devem ser não negativos e o tamanho deve ser um inteiro não negativo ou uma tupla de inteiros não negativos.

Distribuição Discreta

Por exemplo, o resultado de um cara ou coroa é discreto porque só pode ser cara ou coroa , enquanto a altura das pessoas é contínua porque pode ser 160, 160,1, 160,11, etc.

Utilizando 5 tentativas para o cara ou coroa, podemos coletar 8 pontos de dados:

Example:

1
2
3
4
5
6
from numpy import random
mrx = random.binomial(n=5, p=0.5, size=8)
print(mrx)
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

Com base em quatro tentativas de cara ou coroa, produza dois pontos de dados:

Example:

1
2
3
4
5
6
from numpy import random
mrx = random.binomial(n=4, p=0.5, size=2)
print(mrx)
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

Visualização de Distribuição Binomial

Implementação:

Example:

1
2
3
4
5
6
7
8
from numpy import random
import matplotlib.pyplot as pt
import seaborn as sbn
sbn.distplot(random.binomial(n=2, p=0.5, size=10), hist=True, kde=False)
pt.show()
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

Implemente o seguinte exemplo com a estimativa de densidade de kernel True:

Example:

1
2
3
4
5
6
7
8
from numpy import random
import matplotlib.pyplot as pt
import seaborn as sbn
sbn.distplot(random.binomial(n=5, p=0.5, size=5), hist=True, kde=True)
pt.show()
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

Diferença entre distribuição normal e binomial

De acordo com o binômio aleatório Numpy, a principal diferença é que a distribuição normal é contínua, enquanto a binomial é discreta, mas se houver pontos de dados suficientes, ela será quase idêntica à distribuição normal.

Aqui está o código para executar:

Example:

1
2
3
4
5
6
7
8
9
from numpy import random
import matplotlib.pyplot as pt
import seaborn as sbn
sbn.distplot(random.normal(loc=25, scale=15, size=500), hist=False, label='normal')
sbn.distplot(random.binomial(n=10, p=0.5, size=20), hist=False, label='binomial')
pt.show()
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

Implemente o seguinte exemplo com hist = True e kde = False .

Example:

1
2
3
4
5
6
7
8
9
from numpy import random
import matplotlib.pyplot as pt
import seaborn as sbn
sbn.distplot(random.normal(loc=25, scale=15, size=500), hist=True, kde = False, label='normal')
sbn.distplot(random.binomial(n=10, p=0.5, size=20), hist=True, kde = False, label='binomial')
pt.show()
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

Conclusão

Neste artigo, discutimos detalhadamente a distribuição binomial aleatória numpy, incluindo sua definição , parâmetros e como usá-la.

Também mostramos como visualizar a distribuição Binomial usando um histograma.

Nós valorizamos o seu feedback.

Distribuição binomial no NumPy

Binômio Aleatório Numpy

Sintaxe

Distribuição Discreta

Example:

Example:

Visualização de Distribuição Binomial

Example:

Example:

Diferença entre distribuição normal e binomial

Example:

Example:

Conclusão

Sentindo entediado?