Учебник по NumPy

ГЛАВНАЯ Введение в NumPy Начало работы с NumPy NumPy Создание массивов Индексация массива NumPy Нарезка массива NumPy Типы данных NumPy Копирование NumPy против просмотра Форма массива NumPy Изменение формы массива NumPy Итерация массива NumPy Объединение массивов NumPy Разделение массива NumPy Поиск массива NumPy Сортировка массива NumPy Фильтр массива NumPy

NumPy Случайный

Случайное вступление Распределение данных Случайная перестановка Морской модуль Нормальное распределение Биномиальное распределение Распределение рыбы Равномерное распределение Логистическая дистрибуция Полиномиальное распределение Экспоненциальное распределение Распределение площади Чи Рэлеевское распределение Распределение Парето Распределение Zipf

NumPy ufunc

Введение ufunc Создать функцию ufunc Простая арифметика ufunc Округление десятичных знаков Журналы UFUNC ufunc Суммирование продукты ufunc Отличия ufunc ufunc Поиск LCM ufunc Поиск НОД ufunc Тригонометрический ufunc Гиперболический ufunc набор операций

Викторина/Упражнения

Викторина NumPy NumPy-упражнения

Полиномиальное распределение


Полиномиальное распределение

Полиномиальное распределение является обобщением биномиального распределения.

Он описывает результаты многономиальных сценариев, в отличие от биномиальных, где сценарии должны быть только одним из двух. например, группа крови населения, результат броска костей.

Он имеет три параметра:

n - количество возможных результатов (например, 6 для броска костей).

pvals - список вероятностей исходов (например, [1/6, 1/6, 1/6, 1/6, 1/6, 1/6] для броска костей).

size - Форма возвращаемого массива.

Пример

Нарисуйте образец для броска игральной кости:

from numpy import random

x = random.multinomial(n=6, pvals=[1/6, 1/6, 1/6, 1/6, 1/6, 1/6])

print(x)

Примечание. Полиномиальные выборки НЕ будут давать одно значение! Они будут производить одно значение для каждого pval.

Примечание. Поскольку они являются обобщением биномиального распределения, их визуальное представление и подобие нормального распределения такие же, как и у множественных биномиальных распределений.