python中的sympy.stats.ExGaussian()

在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。

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|—————————-|
\ 2std /
————————————————————————
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 :