Compartir en LinkedIn Compartir en Twitter Compartir en Facebook

Distribución Exponencial en NumPy

La distribución exponencial es una distribución de probabilidad continua que describe el tiempo entre eventos en un proceso de Poisson, donde los eventos ocurren de manera continua y de manera independiente a una tasa constante. NumPy, una biblioteca en Python, proporciona funciones para trabajar con esta distribución. A continuación, te proporciono una lección detallada sobre cómo trabajar con la distribución exponencial en NumPy.

Esta lección introduce una librería o módulo usado en ciencia de datos con Python. Instálalo con pip en local; en el editor de The Data Schools muchas ya vienen precargadas.

Importa, ejecuta el ejemplo mínimo y solo después pasa a casos más complejos.

Importar NumPy

Lo primero que debes hacer es importar NumPy en tu script o entorno de Python:

    import numpy as np
  

Generar muestras de una distribución exponencial en NumPy

Para generar muestras de una distribución exponencial en NumPy, puedes utilizar la función numpy.random.exponential() . Esta función toma dos argumentos principales:

• scale : La inversa de la tasa de eventos (también llamada "lambda" en la teoría de probabilidad). Es el parámetro más comúnmente usado y controla la "anchura" de la distribución. Cuanto más pequeño sea, más rápido caerá la probabilidad.
• size (opcional): El número de muestras a generar.

Ejemplo de generación de muestras exponenciales:

    print("Muestras generadas:", muestras)
print("Muestras generadas:", muestras)
  

Visualizar la distribución de una distribución exponencial en NumPy

Puedes utilizar bibliotecas de visualización como Matplotlib para representar gráficamente la distribución exponencial:

    plt.show()
  

Este código generará un histograma de muestras exponenciales y superpondrá la función de densidad de probabilidad teórica.

Estadísticas descriptivas de una muestra exponencial en NumPy

Puedes calcular estadísticas descriptivas de las muestras exponenciales, como la media y la desviación estándar:

    print("Desviación Estándar:", desviacion_estandar)
  

A continuación, te proporciono un ejemplo completo que incluye los pasos anteriores en un solo script:

    print("Muestras generadas:", muestras)
print("Muestras generadas:", muestras)
  

Este ejemplo completo te permite generar muestras, visualizar la distribución exponencial y calcular estadísticas descriptivas. Puedes ajustar los parámetros según tus necesidades.

Practica Distribución Exponencial en NumPy en el editor

Pon en práctica lo aprendido con nuestro editor Python interactivo. Cada ejercicio incluye el código de partida y un botón para abrirlo en una nueva pestaña, donde puedes modificarlo y ejecutarlo.

    print("Muestras generadas:", muestras)
  

    print(int("7"))
print(float("3.5"))
print(str(42))
  

    print("Desviación Estándar:", desviacion_estandar)
  

    import numpy as np
import matplotlib.pyplot as plt

np.random.seed(2)
muestras = np.random.exponential(scale=1.0, size=1000)
plt.hist(muestras, bins=30, density=True)
plt.title('Distribución exponencial')
plt.show()