Mostrar distribución normal del registro de energía en estadísticas usando Python
En este artículo aprenderemos sobre Power Log-Distribución Normal, su aplicación y usos. Aprenderemos a analizar la distribución con la ayuda de diferentes métodos, incluidos PDF y CDF. Antes de eso, veamos qué es la Distribución Normal de Energía.
Registro de energía: distribución normal
La distribución log-normal de energía es una variación de la distribución log-normal. La única diferencia es que obtenemos una distribución log-normal de potencia aplicando la transformación de potencia a la distribución log-normal. La diferencia entre la distribución normal de potencia y la distribución normal logarítmica de potencia es que la distribución normal de potencia es la variación de la distribución normal, mientras que la distribución normal logarítmica de potencia es una variación de la distribución normal logarítmica. Ambos tienen parámetros de potencia que pueden definir la forma de distribución.
Veamos la distribución log-normal de potencia usando varios métodos:
Método 1: generación de números aleatorios
Aquí, en este método, generaremos números aleatorios a partir de la distribución de potencia Log-normal. Para generar el número aleatorio utilizamos el módulo scipy.stats.
Ejemplo
from scipy.stats import powerlognorm
import numpy as np
import matplotlib.pyplot as plt
c, s = 2.14, 0.446
x = 0.5
random_numbers = powerlognorm.rvs(c, s, size=1000)
plt.hist(random_numbers, bins=30, density=True, alpha=0.5)
plt.xlabel('Values')
plt.ylabel('Probability')
plt.title('Power Log-Normal Distribution')
plt.show()
Producción
Explicación
Aquí, en este método, importamos la clase powerlognorm de scipy.stats. Aquí tenemos parámetros como c, s, que es el parámetro de ubicación y el parámetro de forma. Usando powerlognorm.rvs() generamos 1000 valores aleatorios a partir de una distribución logarítmica normal de potencia y trazamos el histograma para esos valores aleatorios.
En la función importamos la clase powerlognorm del módulo scipy.stats para trabajar con la distribución normal de registro de energía. aquí c es la ubicación y s es un parámetro de forma. Para calcular el PDF en cualquier punto dado utilizamos la función pdf().
Método 2: función de densidad de probabilidad (PDF)
El PDF de distribución normal de registro de energía observa la probabilidad de un valor particular. Se utiliza para definir la probabilidad de cualquier variable aleatoria. Para analizar el PDF de cualquier punto concreto utilizaremos el método pdf().
Ejemplo
from scipy.stats import powerlognorm
import numpy as np
import matplotlib.pyplot as plt
c, s = 2.14, 0.446
x = 1.5
pdf_ = powerlognorm.pdf(x, c, s)
print(pdf_)
Producción
0.12076527710927452
Explicación
Aquí en la función importamos la clase powerlognorm del módulo scipy.stats. Calculamos el PDF usando la función pdf() y pasamos el parámetro como ubicación y forma a la función pdf.
Método 3: Función de distribución acumulativa (CDF)
En este método usaremos PDF de la función de distribución acumulativa para describir el valor de la variable aleatoria que es menor o igual al valor x. Podemos calcular CDF usando la función cdf().
Ejemplo
from scipy.stats import powerlognorm
import numpy as np
import matplotlib.pyplot as plt
c, s = 2.14, 0.446
x = 1.5
cdf_ = powerlognorm.cdf(x, c, s)
print(cdf_)
Producción
0.9740141301157031
Explicación
En esta función importamos la clase powernorm del módulo scipy.stats para trabajar con la distribución normal de registro de energía.
Método 3: visualizar el registro de energía: distribución normal
Visualicemos la distribución de potencia Log-normal.
Ejemplo
from scipy.stats import powerlognorm
import numpy as np
import matplotlib.pyplot as plt
c, s = 2.14, 0.446
r = powerlognorm.rvs(c,s, size=1000)
plt.hist(r, bins=30, density=True, alpha=0.5)
plt.title('Power Log-Normal Distribution')
plt.xlabel('Values')
plt.ylabel('Probab')
plt.show()
Producción
Explicación
Importamos las bibliotecas para trabajar con distribución normal de registros de potencia y para trazar gráficos. Como siempre utilizamos el método powerlognorm.rvs() para generar 1000 valores aleatorios a partir de la distribución normal logarítmica de potencia. Usando la función hist() del histograma, trazamos el gráfico.
Entonces, en este artículo conocemos la distribución normal del registro de energía. Vimos varios métodos para trabajar con PDF que incluyen generar variables aleatorias, calcular PDF, CDF y visualizar la distribución usando histograma. Además, también vimos cómo podemos ajustar nuestros datos en el PDF (Función de densidad de probabilidad).