时间:2021-05-22
我就废话不多说了,直接上代码吧!
from scipy.stats import binom, norm, beta, exponimport numpy as npimport matplotlib.pyplot as plt#泊松分布x = np.random.poisson(lam=34.7, size=10000) pillar = 100a = plt.hist(x, bins=pillar, color='black', alpha=0.5)plt.xlabel((u'频数'))plt.ylabel(u'频数出现数目')plt.grid()plt.show()#负二项分布from scipy.stats import nbinomhelp(nbinom)p=0.055r=2.1734x = nbinom.rvs(r, p, size=10000)pillar = 50a = plt.hist(x, bins=pillar)plt.xlabel((u'频数'))plt.ylabel(u'频数出现数目')plt.grid()plt.show()以上这篇python生成特定分布数的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
Python有一随机函数可以产生[0,1)区间内的随机数,但是如果我们想生成随机分布在单位圆上的,那么我们可以首先生成随机分布在单位圆边上的点,然后随机调整每个
本文实例讲述了Python使用numpy产生正态分布随机数的向量或矩阵操作。分享给大家供大家参考,具体如下:简单来说,正态分布(Normaldistributi
找到伪随机数规律的方法有: 1、直接法(DirectMethod),根据分布函数的物理意义生成。缺点是仅适用于某些具有特殊分布的随机数,如二项式分布、泊松分布
本文实例讲述了python集合常见运算。分享给大家供大家参考,具体如下:python生成不重复随机数放在列表中的效率比较importrandomimportti
目录生成随机数字生成0到1之间的随机数生成指定范围内的随机数生成6位数字手机验证码生成标准正态分布随机数生成随机字符串生成固定长度的随机字符串生成可变长度的随机