机器学习之指数分布

指数分布: 指数分布可以用来表示独立随机事件发生的时间间隔 。如果一个随机变量X的概率密度函数满足以下形式,就称X服从参数λ的指数分布,记作X ~ E(λ)或X~Exp(λ)。指数分布只有一个指数参数,且λ>0,λ表示单位时间发生该事件的次数
f ( x ) = { λ e − λ e x > 0 0 其他 f(x)= \begin{cases} \lambda e^{-\lambda e} \quad x>0 \\ \\ 0 \quad 其他 \end{cases} f(x)=⎩ ⎨ ⎧λe−λex>00其他

指数分布的一个显著的特点是其具有无记忆性。指数分布是描述泊松过程中的事件之间的时间的概率 分布。

期望:1 λ \frac{1}{\lambda} λ1 方差:1 λ 2 \frac{1}{\lambda^2} λ21

python 复制代码
from scipy import stats
import matplotlib.pyplot as plt
def expon(loc=8,scale=5):
 #按照定义,指数分布只有一个参数lambda,scale=1/lambda
 #loc定义域的左端点,相当于整体分布沿x轴平移loc
 #scale是lambda的倒数,loc+scale表示分布均值,scale^2表示该分布的方差
 expon_dist=stats.expon(loc=loc,scale=scale)
 x=np.arange(expon_dist.ppf(0.0001),expon_dist.ppf(0.9999))
 fig,ax=plt.subplots(1,1)
 ax.plot(x,expon_dist.pdf(x),label='Expon PDF')
 #ax.vlines(x,0,uniform_dist.pdf(x),colors='b',lw=5,alpha=0.5)
 ax.legend(loc='best',frameon=False)
 plt.ylabel('Probability')
 plt.title('PDF of Poisson Expon(loc={},scale={})'.format(loc,scale))
 plt.show()
expon()

相关推荐
985小水博一枚呀20 分钟前
【深度学习滑坡制图|论文解读3】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer
AltmanChan21 分钟前
大语言模型安全威胁
人工智能·安全·语言模型
985小水博一枚呀24 分钟前
【深度学习滑坡制图|论文解读2】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer·迁移学习
数据与后端架构提升之路34 分钟前
从神经元到神经网络:深度学习的进化之旅
人工智能·神经网络·学习
爱技术的小伙子40 分钟前
【ChatGPT】如何通过逐步提示提高ChatGPT的细节描写
人工智能·chatgpt
深度学习实战训练营2 小时前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20064 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_4 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover4 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川5 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程