Scipy LogNormal

Ciência da Computação e Matemática são dois assuntos que se complementam. Eles têm operações muito comuns que uma pessoa precisa aprender e executar. As linguagens de programação de computadores são muito usadas para calcular as funções matemáticas de maneira rápida e automática. Mas antes de usar qualquer função de qualquer linguagem de programação, você precisa ter uma compreensão clara da operação matemática na qual você vai executar com uma função de programação. A linguagem de programação do Python é a linguagem de programação mais usada hoje em dia, pois fornece várias funções úteis que ajudam a executar cálculos matemáticos complexos de forma automática e rápida. Este guia explora a função logNormal, que é fornecida na biblioteca scipy do Python.

O que é uma função lognormal?

LogNormal é uma função matemática que é usada para gerar a distribuição lognormal. A distribuição lognormal é uma função da probabilidade e é usada para gerar uma distribuição de probabilidade contínua de um número aleatório. É preciso uma variável x cujo logaritmo é normalmente distribuído e gera sua distribuição contínua de probabilidade. No Python, a biblioteca cipy fornece a função lognormal para executar todos os cálculos matemáticos manuais automaticamente. Tudo o que você precisa fazer é fornecer a variável x cuja distribuição de probabilidade contínua precisa ser gerada. Vamos entender a sintaxe da função Scipy LogNormal e depois avançar em direção à seção Exemplos para entender como a função lognormal funciona em um programa Python.

Sintaxe da função lognormal

A função LogNormal é fornecida pela biblioteca scipy no pacote de estatísticas. Como é uma função de probabilidade, é encontrado no pacote de estatísticas da biblioteca cipy. A sintaxe da função lognormal é muito simples e fácil de entender. Vamos ver a sintaxe primeiro e depois entenderemos o que cada elemento da função é usado para. Veja a Sintaxe Following:

A função lognormal funciona com vários métodos, cada um com diferentes recursos e serviços para oferecer. Alguns métodos deles são PDF, PPF, RVS, ISF, Entropy, Logsf, CDF, Logpdf, Espera, etc. Você pode empregar qualquer técnica com base em suas necessidades. Vamos explicar alguns desses métodos com a ajuda de exemplos. Os parâmetros também são fornecidos de acordo com o método que você está usando.

Vamos explicar cada parâmetro aqui para o seu entendimento. O parâmetro "x" é usado para fornecer os quantis em uma matriz como um objeto. O parâmetro "Q" é usado para fornecer a probabilidade de cauda. O parâmetro "S" é usado para definir a forma. O parâmetro "loc" representa o local. O parâmetro "escala" representa a escala. O parâmetro "tamanho" representa a forma de uma variada aleatória. Por fim, o parâmetro "Moment" especifica os momentos a serem calculados a partir do grupo "MVSK", onde M representa a média, V representa a variação, S representa a inclinação de Fisher e K representa a curtose de Fisher. Para uma melhor compreensão da função lognormal, vejamos algumas instâncias.

Exemplo 1:

Vamos entender como a função lognormal utiliza diferentes métodos para gerar a distribuição de probabilidade contínua. Considere o seguinte código de amostra:

importar numpy como np
De estatísticas de importação ccepy
importar matplotlib.pyplot como plt
s = 0.898
fig, x = pLT.subparcelas (1, 1)
dados = np.Linspace (
Estatísticas.lognorm.PPF (0.01, s),
Estatísticas.lognorm.PPF (0.89, s), 88)
x.Lote (dados,
Estatísticas.lognorm.pdf (dados, s), 'r-', lw = 5, alfa = 0.4)

Iniciamos o programa importando toda a biblioteca necessária para que não precisemos enfrentar nenhum erro. A primeira biblioteca é Numpy, que é importada como NP. É usado para gerar a matriz. A segunda biblioteca é o Scipy, que é usado para importar o pacote de estatísticas, para que possamos usar a função lognormal no programa. A última biblioteca é Matplotlib, que é usada para importar o pacote PyPlot, para que possamos usar o método PLT para plotar os dados em um gráfico.

Depois de importar todas as bibliotecas necessárias, declaramos os dados para gerar a distribuição de probabilidade aleatória. Depois disso, o tamanho do gráfico é declarado para plotar os dados. A variável "S" definida é passada para a forma de lognom.método ppf (). A distribuição de probabilidade contínua gerada é passada para a função plot () para que possa ser exibida no gráfico. O PPF significa função de porcentagem de ponto e é usado para gerar a distribuição percentual. Agora, vamos verificar a saída gerada pelo LogNorm.função ppf (). Dê uma olhada no gráfico a seguir:

Exemplo 2:

Vamos explorar outro método com uma função lognormal neste exemplo. No exemplo anterior, usamos a função PPF. Aqui, usaremos a função PDF. Considere o código de amostra no snippet de código a seguir:

importar numpy como np
de Scipy.Estatísticas Importar logNorm
importar matplotlib.pyplot como plt
x = np.Arange (-2, 2, 0.5)
y = lognorm.pdf (x, 0.9,0)
plt.trama (x, y)
plt.mostrar()

Como você pode ver, assim como no exemplo anterior, todas as bibliotecas necessárias são importadas para o programa primeiro - Numpy, Scipy e Matplotlib. Então, os dados são declarados. O np.A função de organização () é usada para gerar a matriz de dados que é passada para o método PDF. O PDF significa função de densidade de probabilidade e é usado para gerar a densidade de probabilidade para os dados fornecidos. As variáveis ​​X e Y são passadas para a função plot (). Isso desenha o gráfico. Agora, vejamos o seguinte gráfico:

Exemplo 3:

O próximo método que vamos explicar aqui é o método CDF. Considere o seguinte código de amostra para entender o funcionamento do método CDF.

importar numpy como np
De estatísticas de importação ccepy
importar matplotlib.pyplot como plt
x = np.Arange (-2, 2, 0.5)
y = lognorm.CDF (x, 0.9,0)
plt.trama (x, y)
plt.mostrar()

Aqui, usamos o método CDF com uma função lognormal para ver como funciona. O CDF é a abreviação da função de densidade cumulativa e é usada para gerar a densidade cumulativa dos dados fornecidos. Você deve estar se perguntando se todo o programa é o mesmo que usamos no exemplo anterior. Sim, o programa é o mesmo, acabamos de mudar o método. Isso é feito para mostrar a diferença entre a saída de métodos diferentes para ajudá -lo a entender como você pode obter uma saída completamente diferente usando um método diferente. Agora, vamos verificar a seguinte saída:

Conclusão

Este guia LogNormal Scipy Python é uma visão geral rápida da função lognormal. Aprendemos que a função lognormal é fornecida na Biblioteca Scipy da linguagem de programação Python e é usada para gerar a distribuição de probabilidade contínua automaticamente e rapidamente. Aprendemos que a função lognormal funciona com diferentes métodos. Também exploramos os métodos PPF, PDF e CDF com a ajuda de exemplos. A função PPF é usada para calcular o ponto percentual. O método PDF é usado para calcular a densidade de probabilidade. E o método CDF é usado para calcular a densidade cumulativa.