So verwenden sie die log-normalverteilung in python

Sie können die Funktion lognorm() der SciPy- Bibliothek in Python verwenden, um eine Zufallsvariable zu generieren, die einer logarithmischen Normalverteilung folgt.

Die folgenden Beispiele zeigen, wie Sie diese Funktion in der Praxis nutzen können.

So generieren Sie eine Lognormalverteilung

Mit dem folgenden Code können Sie eine Zufallsvariable generieren, die einer logarithmischen Normalverteilung mit μ = 1 und σ = 1 folgt:

 import math
import numpy as np
from scipy. stats import lognorm

#make this example reproducible
n.p. random . seed ( 1 )

#generate log-normal distributed random variable with 1000 values
lognorm_values = lognorm. rvs (s= 1 , scale=math. exp ( 1 ), size= 1000 )

#view first five values
lognorm_values[:5]

array([13.79554017, 1.47438888, 1.60292205, 0.92963, 6.45856805])

Beachten Sie, dass in der Funktion lognorm.rvs() s die Standardabweichung und der Wert in math.exp() der Mittelwert der Lognormalverteilung ist, die Sie generieren möchten.

In diesem Beispiel legen wir den Mittelwert auf 1 und die Standardabweichung ebenfalls auf 1 fest.

So zeichnen Sie eine logarithmische Normalverteilung auf

Mit dem folgenden Code können wir ein Histogramm der Werte der logarithmisch normalverteilten Zufallsvariablen erstellen, die wir im vorherigen Beispiel erstellt haben:

 import matplotlib. pyplot as plt

#create histogram
plt. hist (lognorm_values, density= True , edgecolor=' black ')

Matplotlib verwendet standardmäßig 10 Bins in Histogrammen, aber wir können diese Zahl mithilfe des Bins- Arguments leicht erhöhen.

Beispielsweise können wir die Anzahl der Behälter auf 20 erhöhen:

 import matplotlib. pyplot as plt

#create histogram
plt. hist (lognorm_values, density= True , edgecolor=' black ', bins= 20 ) 

Je größer die Anzahl der Kästchen, desto schmaler werden die Balken im Histogramm.

Verwandte Themen: Drei Möglichkeiten zum Anpassen der Bin-Größe in Matplotlib-Histogrammen

Zusätzliche Ressourcen

Die folgenden Tutorials erklären, wie Sie andere Wahrscheinlichkeitsverteilungen in Python verwenden:

So verwenden Sie die Poisson-Verteilung in Python
So verwenden Sie die Exponentialverteilung in Python
So verwenden Sie die einheitliche Verteilung in Python