scipy.special.nbdtri#

scipy.special.nbdtri(k, n, y, выход=None) = 'nbdtri'>#

Возвращает обратное значение относительно параметра p of y = nbdtr(k, n, p), кумулятивная функция распределения отрицательного биномиального распределения.

Параметры:

karray_like: Максимальное допустимое количество сбоев (неотрицательное целое число).
narray_like: Целевое количество успехов (положительное целое число).
yarray_like: Вероятность k или меньше сбоев до n успехи (float).
выходndarray, необязательно: Необязательный выходной массив для результатов функции

Возвращает:

pскаляр или ndarray: Вероятность успеха в одном событии (float), такая что nbdtr(k, n, p) = y.

Смотрите также

nbdtr: Кумулятивная функция распределения отрицательного биномиального распределения.
nbdtrc: Функция выживания отрицательного биномиального распределения.
scipy.stats.nbinom: отрицательное биномиальное распределение.
nbdtrik: Обратная относительно k of nbdtr(k, n, p).
nbdtrin: Обратная относительно n of nbdtr(k, n, p).
scipy.stats.nbinom: Отрицательное биномиальное распределение

Примечания

Обертка для Cephes [1] рутина nbdtri.

Отрицательное биномиальное распределение также доступно как scipy.stats.nbinom. Использование nbdtri непосредственно может улучшить производительность по сравнению с ppf метод scipy.stats.nbinom.

Ссылки

[1]

Библиотека математических функций Cephes, http://www.netlib.org/cephes/

Примеры

nbdtri является обратным к nbdtr относительно p. С точностью до ошибок округления выполняется следующее: nbdtri(k, n, nbdtr(k, n, p))=p.

>>> import numpy as np
>>> from scipy.special import nbdtri, nbdtr
>>> k, n, y = 5, 10, 0.2
>>> cdf_val = nbdtr(k, n, y)
>>> nbdtri(k, n, cdf_val)
0.20000000000000004

Вычислить функцию для k=10 и n=5 в нескольких точках, предоставив массив NumPy или список для y.

>>> y = np.array([0.1, 0.4, 0.8])
>>> nbdtri(3, 5, y)
array([0.34462319, 0.51653095, 0.69677416])

Постройте график функции для трех различных наборов параметров.

>>> import matplotlib.pyplot as plt
>>> n_parameters = [5, 20, 30, 30]
>>> k_parameters = [20, 20, 60, 80]
>>> linestyles = ['solid', 'dashed', 'dotted', 'dashdot']
>>> parameters_list = list(zip(n_parameters, k_parameters, linestyles))
>>> cdf_vals = np.linspace(0, 1, 1000)
>>> fig, ax = plt.subplots(figsize=(8, 8))
>>> for parameter_set in parameters_list:
...     n, k, style = parameter_set
...     nbdtri_vals = nbdtri(k, n, cdf_vals)
...     ax.plot(cdf_vals, nbdtri_vals, label=rf"$k={k},\ n={n}$",
...             ls=style)
>>> ax.legend()
>>> ax.set_ylabel("$p$")
>>> ax.set_xlabel("$CDF$")
>>> title = "nbdtri: inverse of negative binomial CDF with respect to $p$"
>>> ax.set_title(title)
>>> plt.show()

../../_images/scipy-special-nbdtri-1_00_00.png

nbdtri может оценивать различные наборы параметров, предоставляя массивы с формами, совместимыми для трансляции для k, n и p. Здесь мы вычисляем функцию для трех различных k в четырёх местах p, в результате получается массив 3x4.

>>> k = np.array([[5], [10], [15]])
>>> y = np.array([0.3, 0.5, 0.7, 0.9])
>>> k.shape, y.shape
((3, 1), (4,))

>>> nbdtri(k, 5, y)
array([[0.37258157, 0.45169416, 0.53249956, 0.64578407],
       [0.24588501, 0.30451981, 0.36778453, 0.46397088],
       [0.18362101, 0.22966758, 0.28054743, 0.36066188]])