Python计算泊松分布教程

这篇具有很好参考价值的文章主要介绍了Python计算泊松分布教程。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

泊松分布描述在给定时间间隔内发生K次事件的概率。

如果给定随机变量X服从泊松分布,那么X恰等于k次的公式为:

P(X=k) = λk * e / k!

参数解释:

  • λ: 给定时间内发送事件均值
  • k: 发送事件的次数
  • e: 常量,近似为 2.71828

泊松分布需要满足下列几个条件:

  • 发生事件次数可数
  • 给定时间内发送次数的均值已知
  • 每个结果是独立的
  • 发送概率与时间间隔成比例

泊松实验的一个例子是某医院每小时分娩的人数。例如,假设某家医院每小时平均分娩10例。这是一个泊松实验,因为它有以下四个性质:

实验中成功的次数是可以计算的-我们可以计算出生的次数。
在特定的时间间隔内发生的平均成功次数是已知的——已知平均每小时发生10次分娩。
每个结果都是独立的——一个母亲在给定的一小时内生产的概率是独立的
成功发生的概率与时间间隔的大小成正比——间隔的时间越长,出生的概率就越高。

下面解释Python计算泊松分布的几个示例。

生成泊松分布数据

使用poisson.rvs(mu, size) 函数生成服从泊松分布数据,给定均值和样本大小:

from scipy.stats import poisson

data = poisson.rvs(mu=3, size=10)
print(data)

# array([2, 2, 2, 0, 7, 2, 1, 2, 5, 5])

计算泊松分布概率

使用poisson.pmf(k, mu) 和 poisson.cdf(k, mu)函数计算泊松分布相关的概率.

等于某值得概率

某商店每天平均有三位顾客,某天恰好有5人的概率:

from scipy.stats import poisson


poisson.pmf(k=5, mu=3)

# 结果为 0.100819

小于某值的概率

某商店平均每天卖7个足球,那么某天卖出足球数量小于5的概率:

from scipy.stats import poisson

# 计算累积概率
poisson.cdf(k=4, mu=7)

# 结果为 0.172992

大于某值的概率

某商店平均每天卖15个罐头,则某天卖出罐头超过20听的概率:

from scipy.stats import poisson

# 1减去累积概率
1-poisson.cdf(k=20, mu=15)

# 结果为 0.082971

泊松分布直方图

可以通过matplotlib.pyplot画泊松分布直方图:

from scipy.stats import poisson
import matplotlib.pyplot as plt

# 生成10000样本大小的泊松分布数据集
x = poisson.rvs(mu=3, size=10000)

# 创建泊松分布直方图
plt.hist(x, density=True, edgecolor='black')
plt.show()

Python计算泊松分布教程文章来源地址https://www.toymoban.com/news/detail-400632.html

到了这里,关于Python计算泊松分布教程的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 泊松分布详解

    泊松分布 泊松分布(Poisson distribution): 泊松分布是用来描述在一指定时间范围内或在指定的面积或体积之内某一事件出现的次数的分布。常用的泊松分布例子包括: 1. 在某企业中每月发生的事故的次数。 2. 单位时间内到达某一服务柜台(服务站、诊所、超市的收银台、电

    2024年02月08日
    浏览(37)
  • 伯努利分布,二项分布和泊松分布以及最大似然之间的关系(未完成)

    伯努利试验说的是下面一种事件情况:在生活中,有一些事件的发生只有两种可能,发生或者不发生(或者叫成功或者失败),这些事件都可以被称为伯努利试验。 伯努利试验的概率分布 称为伯努利分布(两点分布、0-1分布),如果记成功概率为p,则失败概率为q=1-p,则:

    2023年04月23日
    浏览(31)
  • 概率论的学习和整理16: 泊松分布(未完成)

    目录 简单的扩展到泊松分布  比较整体的动态过程,增加实验次数时 当二项分布,n很大,p很小的时候,会趋向泊松分布 当n足够大时,二项分布趋向于正态分布。这个结论在概率论中被称为中心极限定理,它是概率论中一个非常重要的定理,广泛应用于各种领域,如金融、

    2024年02月16日
    浏览(40)
  • 概率论的学习和整理15: 超几何分布,二项分布,泊松分布是如何趋近收敛的?

    目录 1 问题: 2 结论 3 实验1  4 实验2  5 实验3  6 实验4 5 各种规律总结 5.1   1  5.2  2 5.3  3 5.4 4 6 超几何分布,二项分布,泊松分布,三者用EXCEL模拟 6.1 简单的扩展到泊松分布 6.2  比较整体的动态过程,增加实验次数时 从一个简单模型说开去 比如,有10个球,其中有x个

    2024年02月16日
    浏览(37)
  • 【CloudCompare教程】008:基于点云的三维模型重建(泊松重建)

    本文讲述基于点云的三维模型重建方法,PoissonRecon是“Poisson Surface Reconstruction”的缩写,它是由约翰霍普金斯大学的Misha Kazhdan47提出的三角形网格生成算法的简单接口。 加载兔子点云,如下图所示: 在三维模型构建之前,应先计算法向量,否则会有以下提示:点云必须具有

    2024年02月07日
    浏览(47)
  • R语言贝叶斯METROPOLIS-HASTINGS GIBBS 吉布斯采样器估计变点指数分布分析泊松过程车站等待时间...

    指数分布是泊松过程中事件之间时间的概率分布,因此它用于预测到下一个事件的等待时间,例如,您需要在公共汽车站等待的时间,直到下一班车到了 ( 点击文末“阅读原文”获取完整 代码数据 )。 相关视频 在本文中,我们将使用指数分布,假设它的参数 λ ,即事件之

    2024年02月09日
    浏览(34)
  • python OpenCV:seamlessClone泊松融合

    翻译 https://www.learnopencv.com/seamless-cloning-using-opencv-python-cpp/ Python: cv.NORMAL_CLONE 将具有复杂轮廓的对象插入新背景,也就是说不保留dst 图像的texture细节,目标区域的梯度只由源图像决定。 Python: cv.MIXED_CLONE 基于宽松选择的混合无缝克隆,保留des图像的texture 细节。目标区域的梯

    2024年02月20日
    浏览(37)
  • 无涯教程-TensorFlow - 分布式计算

    本章将重点介绍如何开始使用分布式 TensorFlow ,目的是帮助开发人员了解重复出现的基本分布式TF概念,如TF服务器。无涯教程将使用Jupyter Notebook分布式 TensorFlow 。 第1步    -  导入分布式计算必需的必要模块- 第2步    -  创建具有一个节点的 TensorFlow 集群,让此节点负责一

    2024年02月11日
    浏览(41)
  • Java分布式系统和云计算教程

    Java分布式系统和云计算教程 大规模学习分布式 Java 应用程序、并行编程、分布式计算和云软件架构 课程英文名:Distributed Systems Cloud Computing with Java 此视频教程共4.0小时,中英双语字幕,画质清晰无水印,源码附件全 课程编号:324 百度网盘地址:https://pan.baidu.com/s/1qGJzKMXt

    2024年02月01日
    浏览(40)
  • python使用opencv对图像添加(高斯/椒盐/泊松/斑点)噪声

    导读 这篇文章主要介绍如何利用opencv来对图像添加各类噪声,原图 高斯噪声 高斯噪声就是给图片添加一个服从 高斯分布的噪声 ,可以通过调节高斯分布 标准差(sigma) 的大小来控制添加噪声程度, sigma 越大添加的噪声越多图片损坏的越厉害 椒盐噪声 椒盐噪声就是给图片添

    2024年02月15日
    浏览(55)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包