PYTHON ГАММА РАСПРЕДЕЛЕНИЕ

Гамма распределение (gamma distribution) — распределение вероятности на положительной полуоси (то есть значения переменной всегда неотрицательны) с двумя параметрами: параметром формы (shape parameter) и параметром масштаба (scale parameter). В Python для генерации случайной величины с гамма распределением можно использовать модуль random из библиотеки numpy.

Пример генерации случайной величины с гамма распределением с параметрами shape=2 и scale=2:

import numpy as np
x = np.random.gamma(shape=2, scale=2)

Также в Python для работы с гамма распределением есть модуль scipy.stats. Он позволяет вычислять различные статистические характеристики (например, математическое ожидание и дисперсию), а также строить графики плотности распределения и функции распределения.

Пример использования модуля scipy.stats для построения графика плотности распределения гамма распределения с параметрами shape=2 и scale=2:

import matplotlib.pyplot as plt
from scipy.stats import gamma
x = np.linspace(0, 10, 100)
y = gamma.pdf(x, a=2, scale=2)
plt.plot(x, y)
plt.show()

Также можно использовать метод fit модуля scipy.stats для оценки параметров гамма распределения по выборке:

from scipy.stats import gamma
data = [1.2, 2.3, 3.4, 4.5, 5.6]
shape, loc, scale = gamma.fit(data)

При использовании метода fit можно указать начальные значения параметров. Например, если мы хотим оценить параметры shape и scale, и предполагаем, что параметр loc равен нулю, то можно указать начальное значение параметра shape равным 2:

from scipy.stats import gamma
data = [1.2, 2.3, 3.4, 4.5, 5.6]
shape, scale = gamma.fit(data, floc=0, f0=2)

#10. Рисуем гистограммы, столбчатые и круговые диаграммы - Matplotlib уроки

Нормальное Распределение за 6 Минут

01-10 Эмпирическое распределение в python

Основы SciPy - Научные И Математические Вычисления На Python

Математическая статистика на python

Интерполяция в Python

Гамма-функция

Многопоточность и GIL

Градиентный спуск: основы и адаптивные варианты (Python MatPlotLib)

Основы Matplotlib - Построение Графиков На Python

BLGPG-C9C7651931CB-24-09-19-20

Новые материалы: