python中的sympy.stats.ExGaussian()

python中的sympy.stats.ExGaussian()

sympy.stats.ExGaussian()方法的帮助下,我们可以得到代表指数修正高斯分布的连续随机变量。

python中的sympy.stats.ExGaussian()

语法 : sympy.stats.ExGaussian(name, mean, std, rate)
返回:返回连续随机变量。

例子#1 :
在这个例子中,我们可以看到,通过使用sympy.stats.ExGaussian()方法,我们能够得到代表指数修正高斯分布的连续随机变量,通过使用这个方法。

# Import sympy and ExGaussian
from sympy.stats import ExGaussian, density
from sympy import Symbol
  
mean = Symbol("mean", integer = True, positive = True)
std = Symbol("std", integer = True, positive = True)
rate = Symbol("rate", integer = True, positive = True)
z = Symbol("z")
  
# Using sympy.stats.ExGaussian() method
X = ExGaussian("x", mean, std, rate)
gfg = density(X)(z)
  
pprint(gfg)

输出 :

/ 2 \
rate\2mean + ratestd – 2z/
——————————- / ___ / 2 \\
2 |\/ 2 \mean + ratestd – z/|
ratee *erfc|—————————-|
\ 2
std /
————————————————————————
2

例子#2 :

# Import sympy and ExGaussian
from sympy.stats import ExGaussian, density
from sympy import Symbol
  
mean = 22
std = 21
rate = 7
z = 0.4
  
# Using sympy.stats.ExGaussian() method
X = ExGaussian("x", mean, std, rate)
gfg = density(X)(z)
  
pprint(gfg)

输出 :

/ ___\
3.50044639861837e+4758*erfc\74.0142857142857*\/ 2 /

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程