न्यूमपी ट्यूटोरियल

न्यूमपी होम NumPy परिचय NumPy प्रारंभ करना NumPy सरणी बनाना NumPy ऐरे इंडेक्सिंग NumPy ऐरे स्लाइसिंग NumPy डेटा प्रकार NumPy कॉपी बनाम व्यू NumPy सरणी आकार NumPy ऐरे रीशेप NumPy ऐरे इटरेटिंग NumPy सरणी में शामिल हों NumPy ऐरे स्प्लिट NumPy सरणी खोज NumPy सरणी क्रमबद्ध करें NumPy ऐरे फ़िल्टर

न्यूमपी रैंडम

यादृच्छिक परिचय डेटा वितरण यादृच्छिक क्रमपरिवर्तन सीबॉर्न मॉड्यूल सामान्य वितरण द्विपद वितरण मछली वितरण वर्दी वितरण रसद वितरण बहुराष्ट्रीय वितरण घातांकी रूप से वितरण ची स्क्वायर वितरण रेले वितरण पारेतो वितरण ज़िप वितरण

NumPy ufunc

ufunc परिचय ufunc समारोह बनाएँ ufunc सरल अंकगणित ufunc गोलाई दशमलव ufunc लॉग्स ufunc सारांश यूफंक उत्पाद ufunc मतभेद ufunc एलसीएम ढूँढना ufunc जीसीडी ढूँढना ufunc त्रिकोणमितीय ufunc अतिशयोक्तिपूर्ण ufunc सेट ऑपरेशंस

प्रश्नोत्तरी/व्यायाम

न्यूमपी क्विज न्यूमपी एक्सरसाइज

द्विपद वितरण


द्विपद वितरण

द्विपद वितरण एक असतत वितरण है ।

यह द्विआधारी परिदृश्यों के परिणाम का वर्णन करता है, उदाहरण के लिए एक सिक्के का उछाल, यह या तो चित होगा या पट।

इसके तीन पैरामीटर हैं:

n - परीक्षणों की संख्या।

p - प्रत्येक परीक्षण के घटित होने की प्रायिकता (उदाहरण के लिए एक सिक्के के उछाल के लिए 0.5 प्रत्येक)।

size - लौटे सरणी का आकार।

असतत वितरण: वितरण को घटनाओं के अलग-अलग सेट पर परिभाषित किया जाता है, उदाहरण के लिए एक सिक्का टॉस का परिणाम असतत होता है क्योंकि यह केवल सिर या पूंछ हो सकता है जबकि लोगों की ऊंचाई निरंतर होती है क्योंकि यह 170, 170.1, 170.11 और इसी तरह हो सकती है।

उदाहरण

सिक्का उछालने के लिए 10 परीक्षणों को देखते हुए 10 डेटा अंक उत्पन्न होते हैं:

from numpy import random

x = random.binomial(n=10, p=0.5, size=10)

print(x)

द्विपद वितरण का विज़ुअलाइज़ेशन

उदाहरण

from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns

sns.distplot(random.binomial(n=10, p=0.5, size=1000), hist=True, kde=False)

plt.show()

परिणाम


सामान्य और द्विपद वितरण के बीच अंतर

मुख्य अंतर यह है कि सामान्य वितरण निरंतर है जबकि द्विपद असतत है, लेकिन यदि पर्याप्त डेटा बिंदु हैं तो यह निश्चित स्थान और पैमाने के साथ सामान्य वितरण के समान होगा।

उदाहरण

from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns

sns.distplot(random.normal(loc=50, scale=5, size=1000), hist=False, label='normal')
sns.distplot(random.binomial(n=100, p=0.5, size=1000), hist=False, label='binomial')

plt.show()

परिणाम