Python中的sympy.stats.Wald()

在sympy.stats.Wald()方法的帮助下，我们可以通过这个方法得到代表反高斯分布的连续随机变量以及Wald分布。

语法 : sympy.stats.Wald(name, mean, lambda)
其中，平均值和lambda是正数。

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.Wald()方法，我们能够得到代表反高斯或瓦尔德分布的连续随机变量。

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

输出 :

2   
-lambda*(-mean + z)   
——————–   
____ 2   
___ _______ / 1 2*mean *z   
\/ 2 *\/ lambda * / — *e   
/ 3   
\/ z   
———————————————–   

____

2*\/ pi 

例子#2 :

# Import sympy and Wald
from sympy.stats import Wald, density
from sympy import Symbol, pprint
  
z = 0.86
mean = 6
lambda = 2.35
  
# Using sympy.stats.Wald() method
X = Wald("x", mean, lambda)
gfg = density(X)(z)
  
pprint(gfg)

输出 :

0.498668646362573   
—————–   

____

\/ pi