Compartir en LinkedIn Compartir en Twitter Compartir en Facebook

Distribución multinomial en NumPy

La distribución multinomial en NumPy se utiliza para generar muestras de una distribución multinomial o calcular probabilidades en una distribución multinomial. Esta distribución se utiliza cuando se realizan múltiples ensayos (experimentos) independientes, y cada ensayo puede tener múltiples resultados posibles. Por ejemplo, lanzar un dado múltiples veces es un escenario donde se puede aplicar una distribución multinomialAquí tienes una lección sobre cómo usar la distribución multinomial 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

Primero, asegúrate de importar la biblioteca NumPy:

    import numpy as np
  

Definir los parámetros para Distribución multinomial en NumPy

Debes definir los parámetros de la distribución multinomial, que incluyen el número de ensayos (n) y las probabilidades de cada resultado posible en cada ensayo. Por ejemplo, si estás lanzando un dado justo cuatro veces, y quieres calcular la probabilidad de obtener cada número del 1 al 6 en cada lanzamiento, puedes definir los parámetros de la siguiente manera:

    n = 4  # Número de ensayos
p = [1/6, 1/6, 1/6, 1/6, 1/6, 1/6]  # Probabilidades de obtener 1, 2, 3, 4, 5, 6 en cada lanzamiento
print(p)
  

Generar muestras para Distribución multinomial en NumPy

Para generar muestras de la distribución multinomial, puedes usar numpy.random.multinomial . Por ejemplo, para generar una muestra de 1000 ensayos:

    sample = np.random.multinomial(n, p, size=1000)
print(sample)
  

sample será una matriz donde cada fila representa un conjunto de resultados de ensayos multinomiales.

Calcular probabilidades en la Distribución multinomial en NumPy

Si deseas calcular las probabilidades de un conjunto específico de resultados, puedes usar numpy.random.multinomial también. Por ejemplo, para calcular la probabilidad de obtener exactamente dos 1s, tres 2"s y ningún otro número en cuatro lanzamientos:

    n = 4  # Número de ensayos
p = [1/6, 1/6, 1/6, 1/6, 1/6, 1/6]  # Probabilidades de obtener 1, 2, 3, 4, 5, 6 en cada lanzamiento
print(p)
  

Este es un ejemplo básico de cómo trabajar con la distribución multinomial en NumPy. Puedes ajustar los parámetros y las operaciones según tus necesidades específicas.

Practica Distribución multinomial 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.

    import numpy as np

np.random.seed(1)
n = 20
probs = [0.2, 0.5, 0.3]
muestra = np.random.multinomial(n, probs, size=5)
print(muestra)
  

    n = 4  # Número de ensayos
p = [1/6, 1/6, 1/6, 1/6, 1/6, 1/6]  # Probabilidades de obtener 1, 2, 3, 4, 5, 6 en cada lanzamiento
print(p)
  

    sample = np.random.multinomial(n, p, size=1000)
print(sample)