Se una variabile casuale<\/a> X<\/em> segue una distribuzione esponenziale, allora la<\/span> funzione di distribuzione cumulativa di X<\/em> pu\u00f2 essere scritta:<\/span><\/p>\n F<\/em> (x; \u03bb) = 1 \u2013 e -\u03bbx<\/sup><\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n Questo tutorial spiega come utilizzare la distribuzione esponenziale in Python.<\/span><\/p>\n Puoi utilizzare la funzione expon.rvs(scale, size)<\/strong> dalla libreria SciPy in Python per generare valori casuali da una distribuzione esponenziale con un parametro di velocit\u00e0 e una dimensione del campione specifici:<\/span><\/p>\n Nota<\/strong> : puoi trovare la documentazione completa della libreria SciPy qui<\/a> .<\/span><\/p>\n Supponiamo che il numero medio di minuti tra le eruzioni di un determinato geyser sia di 40 minuti. Quanto \u00e8 probabile che dovremo aspettare meno di 50 minuti per un’eruzione?<\/span><\/p>\n Per risolvere questo problema, dobbiamo prima calcolare il parametro della velocit\u00e0:<\/span><\/p>\n Possiamo inserire \u03bb = 0,025 e x = 50 nella formula CDF:<\/span><\/p>\n La probabilit\u00e0 che dovremo aspettare meno di 50 minuti per la prossima eruzione \u00e8 0,7135<\/strong> .<\/span><\/p>\n Possiamo usare la funzione expon.cdf()<\/strong> di SciPy per risolvere questo problema in Python:<\/span><\/p>\n La probabilit\u00e0 che dovremo aspettare meno di 50 minuti per la prossima eruzione \u00e8 0,7135<\/strong> .<\/span><\/p>\n Ci\u00f2 corrisponde al valore che abbiamo calcolato manualmente.<\/span><\/p>\n \u00c8 possibile utilizzare la seguente sintassi per tracciare una distribuzione esponenziale con un determinato parametro di velocit\u00e0:<\/span> <\/p>\n I seguenti tutorial spiegano come utilizzare altre distribuzioni comuni in Python:<\/span><\/p>\n Come utilizzare la distribuzione di Poisson in Python<\/a> La distribuzione esponenziale \u00e8 una distribuzione di probabilit\u00e0 utilizzata per modellare il tempo che dobbiamo aspettare prima che si verifichi un determinato evento. Se una variabile casuale X segue una distribuzione esponenziale, allora la funzione di distribuzione cumulativa di X pu\u00f2 essere scritta: F (x; \u03bb) = 1 \u2013 e -\u03bbx Oro: \u03bb: il parametro […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Come generare una distribuzione esponenziale<\/strong><\/h3>\n
from<\/span> scipy. stats<\/span> import<\/span> expo\n\n#generate random values from exponential distribution with rate=40 and sample size=10<\/span>\nexpon. rvs<\/span> (scale= 40<\/span> , size= 10<\/span> )\n\narray([116.5368323 , 67.23514699, 12.00399043, 40.74580584,\n 34.60922432, 2.68266663, 22.70459831, 97.66661811,\n 6.64272914, 46.15547298])\n<\/strong><\/pre>\n Come calcolare le probabilit\u00e0 utilizzando una distribuzione esponenziale<\/strong><\/h3>\n
\n
\n
from<\/span> scipy. stats<\/span> import<\/span> expo\n\n#calculate probability that x is less than 50 when mean rate is 40<\/span>\nexpon. cdf<\/span> (x=50, scale=40)\n\n0.7134952031398099\n<\/strong><\/pre>\n Come tracciare una distribuzione esponenziale<\/strong><\/span><\/h3>\n
from<\/span> scipy. stats<\/span> import<\/span> expo\nimport<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n\n#generate exponential distribution with sample size 10000<\/span>\nx = expon. rvs<\/span> (scale= 40<\/span> ,size= 10000<\/span> )\n\n#create plot of exponential distribution\n<\/span>plt. hist<\/span> (x, density= True<\/span> , edgecolor=' black<\/span> ')\n<\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/exponentielpython1.jpg\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come usare la distribuzione t in Python<\/a>
Come utilizzare la distribuzione uniforme in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"