Использование numpy .exp для расчета продолжительности жизни объекта - PullRequest
Новая
       75

Использование numpy .exp для расчета продолжительности жизни объекта

0 голосов
/ 14 марта 2020

Я не могу найти ни одного примера в целых числах. rnet.

Я хотел бы научиться использовать экспоненциальный закон для вычисления вероятности.

Это моя экспоненциальная лямбда: 0,0035

  1. Какова вероятность того, что мой объект выйдет из строя до 100 часов работы? P (X <100) </li>

Как я могу написать это с помощью numpy или sci kit? Спасибо!

Редактировать: это математика:

P (X <100) = 1 - е ** -0,0035 * 100 = 0,3 = 30% </p>

Редактировать 2:

Эй, ребята, я, возможно, что-то там нашел, привет привет: http://web.stanford.edu/class/archive/cs/cs109/cs109.1192/handouts/pythonForProbability.html

Редактировать 3:

Это моя попытка со scipy: 

from scipy import stats
B = stats.expon(0.0035)   # Declare B to be a normal random variable
print(B.pdf(1))       # f(1), the probability density at 1
print(B.cdf(100))      # F(2) which is also P(B < 100)
print(B.rvs())        # Get a random sample from B

, но B.cdf неверен: он печатает 1, а должен печатать 0.30, помогите! B.pdf печатает 0.369: Что это?

Редактировать 4: Я сделал это с python математической библиотекой так: 

lambdaCalcul = - 0.0035 * 100
MyExponentialProbability = 1 - math.exp(lambdaCalcul)

print("My probability is",MyExponentialProbability  * 100 , "%");

Любой приветствуется другое решение с numpy os scipy, спасибо

1 Ответ

0 голосов
/ 14 марта 2020

Функция expon(..) принимает в качестве параметров loc и scale (которые соответствуют среднему и стандартному отклонению. Поскольку стандартное отклонение является обратным к дисперсию, таким образом, мы можем построить такое распределение с помощью: 

B = stats.expon(<b>scale=1/0.0035</b>)

Тогда накопительная функция распределения говорит для P(X < 100): 

>>> print(B.cdf(100))
0.2953119102812866
...