Python中的Sympy stats.GeneralizedMultivariateLogGamma()
在sympy.stats.GeneralizedMultivariateLogGamma()方法的帮助下,我们可以得到代表Generalized Multivariate Log Gamma分布的连续联合随机变量。
语法 : GeneralizedMultivariateLogGamma(syms, delta, v, lamda, mu)
参数 :
1) Syms – 符号列表
2) Delta – 一个范围为[0, 1]的常数
3) V – 正实数
4) Lambda – 一个正整数的列表
5) mu – 一个正实数的列表。
返回:返回连续的联合随机变量。
例子#1 :
在这个例子中我们可以看到,通过使用sympy.stats.GeneralizedMultivariateLogGamma()方法,我们能够得到代表Generalized Multivariate Log Gamma分布的连续联合随机变量。
# Import sympy and GeneralizedMultivariateLogGamma
from sympy.stats import density
from sympy.stats.joint_rv_types import GeneralizedMultivariateLogGamma
from sympy.stats.joint_rv import marginal_distribution
from sympy import symbols, S
v = 1
l, mu = [1, 1, 1], [1, 1, 1]
d = S.Half
y = symbols('y_1:4', positive = True)
# Using sympy.stats.GeneralizedMultivariateLogGamma() method
Gd = GeneralizedMultivariateLogGamma('G', d, v, l, mu)
gfg = density(Gd)(y[0], y[1], y[2])
pprint(gfg)
输出 :
oo
_____
\ `
\ y_1 y_2 y_3
\ -n (n + 1)*(y_1 + y_2 + y_3) - e - e - e
\ 2 *e
/ ---------------------------------------------------
/ 3
/ Gamma (n + 1)
/____,
n = 0
----------------------------------------------------------
2
例子#2 :
# Import sympy and GeneralizedMultivariateLogGamma
from sympy.stats import density
from sympy.stats.joint_rv_types import GeneralizedMultivariateLogGamma
from sympy.stats.joint_rv import marginal_distribution
from sympy import symbols, S
v = 1
l, mu = [1, 2, 3], [2, 5, 1]
d = S.One
y = symbols('y_1:4', positive = True)
# Using sympy.stats.GeneralizedMultivariateLogGamma() method
Gd = GeneralizedMultivariateLogGamma('G', d, v, l, mu)
gfg = density(Gd)(y[0], y[1], y[2])
pprint(gfg)
输出 :
oo
______
\ `
\ 5*y_2 y_3
\ 2*y_1 e e
\ (n + 1)*(2*y_1 + 5*y_2 + y_3) - e - ------ - ----
\ n -n - 1 2 3
/ 10*0 *6 *e
/ ---------------------------------------------------------------------
/ 3
/ Gamma (n + 1)
/_____,
n = 0