Cara menggunakan distribusi log-normal dengan python

Anda dapat menggunakan fungsi lognorm() dari perpustakaan SciPy dengan Python untuk menghasilkan variabel acak yang mengikuti distribusi log-normal.

Contoh berikut menunjukkan cara menggunakan fungsi ini dalam praktiknya.

Cara menghasilkan distribusi lognormal

Anda dapat menggunakan kode berikut untuk menghasilkan variabel acak yang mengikuti distribusi log-normal dengan μ = 1 dan σ = 1:

 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])

Perhatikan bahwa dalam fungsi lognorm.rvs() , s adalah deviasi standar dan nilai dalam math.exp() adalah rata-rata distribusi lognormal yang ingin Anda hasilkan.

Dalam contoh ini, kami menetapkan mean menjadi 1 dan deviasi standar juga menjadi 1 .

Cara memplot distribusi lognormal

Kita dapat menggunakan kode berikut untuk membuat histogram dari nilai variabel acak terdistribusi log-normal yang kita buat pada contoh sebelumnya:

 import matplotlib. pyplot as plt

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

Matplotlib defaultnya adalah 10 bin dalam histogram, tetapi kita dapat dengan mudah meningkatkan jumlah ini menggunakan argumen bins .

Misalnya, kita dapat menambah jumlah bin menjadi 20:

 import matplotlib. pyplot as plt

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

Semakin banyak jumlah kotak, semakin sempit batang histogramnya.

Terkait: Tiga Cara Menyesuaikan Ukuran Bin di Histogram Matplotlib

Sumber daya tambahan

Tutorial berikut menjelaskan cara menggunakan distribusi probabilitas lain dengan Python:

Cara menggunakan distribusi Poisson dengan Python
Cara Menggunakan Distribusi Eksponensial dengan Python
Cara Menggunakan Distribusi Seragam dengan Python