ADII/2.py - master - beeval/repository

ADII/2.py
65 строк3 KB
beeval
update ADII/2.py
06 окт 2025, 21:44
06 окт 2025, 21:44a0f7954
import numpy as np
from scipy.stats import norm, uniform, beta, triang

np.random.seed(42)  # Фиксируем seed для повторяемости результатов
N = 10000  # Размер выборки

# Триугольное распределение
triangle_low = 20      # Мин. температура
triangle_high = 35     # Макс. температура
triangle_mode = 25     # Наиболее вероятная температура (центр тяжести близок к минимуму)

# Генерируем выборку
triangle_samples = triang.rvs(loc=triangle_low, scale=triangle_high - triangle_low, c=(triangle_mode - triangle_low)/(triangle_high - triangle_low), size=N)

# Основные характеристики
tria_mean = triangle_samples.mean()
tria_var = triangle_samples.var()
tria_median = np.median(triangle_samples)
tria_prob_above_30 = sum(triangle_samples > 30)/len(triangle_samples)

print("Триугольное распределение:")
print(f"Среднее: {tria_mean:.2f}, Дисперсия: {tria_var:.2f}, Медиана: {tria_median:.2f}, Вероятность P(T>30): {tria_prob_above_30:.2%}")

# Нормальное распределение
norm_mean = 27          # Центр распределения близко к середине диапазона
norm_stddev = 3         # Небольшое стандартное отклонение для концентрации вокруг среднего

# Генерируем выборку
normal_samples = norm.rvs(loc=norm_mean, scale=norm_stddev, size=N)
normal_samples_clipped = np.clip(normal_samples, 20, 35)  # Ограничиваем диапазон [20, 35]

# Основные характеристики
norm_mean_clipped = normal_samples_clipped.mean()
norm_var_clipped = normal_samples_clipped.var()
norm_median_clipped = np.median(normal_samples_clipped)
norm_prob_above_30 = sum(normal_samples_clipped > 30)/len(normal_samples_clipped)

print("\nНормальное распределение:")
print(f"Среднее: {norm_mean_clipped:.2f}, Дисперсия: {norm_var_clipped:.2f}, Медиана: {norm_median_clipped:.2f}, Вероятность P(T>30): {norm_prob_above_30:.2%}")

# Равномерное распределение
uniform_samples = uniform.rvs(loc=20, scale=15, size=N)

# Основные характеристики
unif_mean = uniform_samples.mean()
unif_var = uniform_samples.var()
unif_median = np.median(uniform_samples)
unif_prob_above_30 = sum(uniform_samples > 30)/len(uniform_samples)

print("\nРавномерное распределение:")
print(f"Среднее: {unif_mean:.2f}, Дисперсия: {unif_var:.2f}, Медиана: {unif_median:.2f}, Вероятность P(T>30): {unif_prob_above_30:.2%}")

# Бета-распределение
beta_a = 2              # Первый параметр альфа
beta_b = 5              # Второй параметр бета
beta_samples = 20 + 15 * beta.rvs(beta_a, beta_b, size=N)

# Основные характеристики
beta_mean = beta_samples.mean()
beta_var = beta_samples.var()
beta_median = np.median(beta_samples)
beta_prob_above_30 = sum(beta_samples > 30)/len(beta_samples)

print("\nБета-распределение:")
print(f"Среднее: {beta_mean:.2f}, Дисперсия: {beta_var:.2f}, Медиана: {beta_median:.2f}, Вероятность P(T>30): {beta_prob_above_30:.2%}")