stats base dists pareto type1 pdf Download - stats base dists pareto type1 pdf Quellcode Download

stats base dists pareto type1 pdf

Anderer Quellcode

Herunterladen

Über stdlib ...

Wir glauben an eine Zukunft, in der das Web eine bevorzugte Umgebung für die numerische Berechnung ist. Um diese Zukunft zu verwirklichen, haben wir Stdlib gebaut. STDLIB ist eine Standardbibliothek mit Schwerpunkt auf numerischen und wissenschaftlichen Berechnungen, die in JavaScript (und c) für die Ausführung in Browsern und in Node.js.

Die Bibliothek ist vollständig zerlegt und wird so archiviert, dass Sie APIs und Funktionen ausgetauscht und mischen und anpassen können, um Ihre genauen Vorlieben und Anwendungsfälle zu befriedigen.

Wenn Sie STDLIB verwenden, können Sie absolut sicher sein, dass Sie die gründlichsten, strengsten, gut geschriebenen, untersuchten, dokumentierten, getesteten, gemessenen und qualitativ hochwertigen Code verwenden.

Um mit uns numerisches Computing ins Web zu bringen, werden Sie mit uns auf Github einchecken und erwägen Sie bitte die finanzielle Unterstützung von STDLIB. Wir schätzen Ihre fortgesetzte Unterstützung sehr!

Wahrscheinlichkeitsdichtefunktion

Status erstellen

Pareto (Typ I) Verteilungswahrscheinlichkeitsdichtefunktion (PDF).

Die Wahrscheinlichkeitsdichtefunktion (PDF) für eine zufällige Variable Pareto (Typ I) ist

$$ f (x; alpha, beta) = begin {case beta \ 0 & text {sonst} end {cases} $$

wobei alpha > 0 der Formparameter ist und beta > 0 der Skalierungsparameter.

Installation

npm install @stdlib/stats-base-dists-pareto-type1-pdf

Alternativ,

Um das Paket in einer Website über ein script -Tag ohne Installation und Bundes -Bündel in einer Website zu laden, verwenden Sie das in der esm -Zweig verfügbare ES -Modul (siehe Readme).
Wenn Sie Deno verwenden, besuchen Sie die deno -Filiale (siehe Readme für Nutzungstruktionen).
Verwenden Sie für die Verwendung in Observable oder in Browser/Knoten -Umgebungen die UMD -Build (Universal Modul Definition), die auf der umd -Filiale verfügbar ist (siehe Readme).

In der Datei astes.md fasst die verfügbaren Zweige zusammen und zeigt ein Diagramm an, das ihre Beziehungen veranschaulicht.

Um Installations- und Nutzungsanweisungen anzuzeigen, die für jeden Zweig -Build spezifisch sind, navigieren Sie genau zu den jeweiligen Readme -Dateien in jedem Zweig, wie oben verlinkt.

Verwendung

 var pdf = require ( '@stdlib/stats-base-dists-pareto-type1-pdf' ) ;

PDF (X, Alpha, Beta)

Bewertet die Wahrscheinlichkeitsdichtefunktion (PDF) für eine Pareto (Typ I) -Verteilung mit Parametern alpha (Formparameter) und beta (Skalierungsparameter).

 var y = pdf ( 4.0 , 1.0 , 1.0 ) ;
// returns ~0.063

y = pdf ( 20.0 , 1.0 , 10.0 ) ;
// returns 0.025

y = pdf ( 7.0 , 2.0 , 6.0 ) ;
// returns ~0.21

y = pdf ( 7.0 , 6.0 , 3.0 ) ;
// returns ~0.005

y = pdf ( 1.0 , 4.0 , 2.0 ) ;
// returns 0.0

y = pdf ( 1.5 , 4.0 , 2.0 ) ;
// returns 0.0

Wenn NaN als Argument bereitgestellt wird, gibt die Funktion NaN zurück.

 var y = pdf ( NaN , 1.0 , 1.0 ) ;
// returns NaN

y = pdf ( 0.0 , NaN , 1.0 ) ;
// returns NaN

y = pdf ( 0.0 , 1.0 , NaN ) ;
// returns NaN

Wenn alpha <= 0 bereitgestellt wird, gibt die Funktion NaN zurück.

 var y = pdf ( 2.0 , - 1.0 , 0.5 ) ;
// returns NaN

y = pdf ( 2.0 , 0.0 , 0.5 ) ;
// returns NaN

Wenn beta <= 0 bereitgestellt wird, gibt die Funktion NaN zurück.

 var y = pdf ( 2.0 , 0.5 , - 1.0 ) ;
// returns NaN

y = pdf ( 2.0 , 0.5 , 0.0 ) ;
// returns NaN

pdf.factory (Alpha, Beta)

Gibt eine Funktion zur Bewertung der Wahrscheinlichkeitsdichtefunktion (PDF) (CDF) einer Pareto (Typ I) mit Parametern alpha (Formparameter) und beta (Skalenparameter) zurück.

 var mypdf = pdf . factory ( 0.5 , 0.5 ) ;
var y = mypdf ( 0.8 ) ;
// returns ~0.494

y = mypdf ( 2.0 ) ;
// returns ~0.125

Beispiele

 var randu = require ( '@stdlib/random-base-randu' ) ;
var pdf = require ( '@stdlib/stats-base-dists-pareto-type1-pdf' ) ;

var alpha ;
var beta ;
var x ;
var y ;
var i ;

for ( i = 0 ; i < 10 ; i ++ ) {
    x = randu ( ) * 8.0 ;
    alpha = randu ( ) * 4.0 ;
    beta = randu ( ) * 4.0 ;
    y = pdf ( x , alpha , beta ) ;
    console . log ( 'x: %d, α: %d, β: %d, f(x;α,β): %d' , x . toFixed ( 4 ) , alpha . toFixed ( 4 ) , beta . toFixed ( 4 ) , y . toFixed ( 4 ) ) ;
}

Beachten

Dieses Paket ist Teil von STDLIB, einer Standardbibliothek für JavaScript und Node.js, mit Schwerpunkt auf numerischen und wissenschaftlichen Computing. Die Bibliothek bietet eine Sammlung robuster, leistungsstarker Bibliotheken für Mathematik, Statistiken, Streams, Dienstprogramme und mehr.

Weitere Informationen zum Projekt, die Einreichung von Fehlerberichten und Feature -Anfragen und Anleitungen zur Entwicklung von STDLIB finden Sie im Hauptprojekt -Repository.