python - 如何使用库函数 scipy.stats.binom.pmf 返回给定概率的二项式分布中的试验次数 (n)？

是否有可能让 scipy.stats.binom.pmf(x, n, p) 返回已知概率、成功次数 (x) 和成功概率 (p) 的试验次数 (n)？

示例问题:

为了有 90% 的把握至少击中目标 10 次，Alex 需要 throw 多少次？

在哪里:

概率 = 0.90

p = 0.50

x = 10

最佳答案

你可以做这样的事情。您要计算的是 scipy.stats 调用的生存函数( sf )，即 1-cdf 。由于您对大于或等于 10 次成功感兴趣——即 10 次或更多成功的概率之和，这正是 1-cdf 。 sf 函数可以使用一个 numpy 数组作为参数，因此我们为 n 传入一个数组(改变试验次数)。然后我们寻找给我们一个大于定义的 confidence 值的试验次数。

import numpy as np
import scipy.stats
import matplotlib.pyplot as plt


# Defining model parameters
p = 0.5
k = 10
confidence = 0.9
n = np.arange(k, 5*k)

# Generating survival function distribution and computing the number of required trials
binomSurvivalDist = scipy.stats.binom.sf(k, n, p)
nrequired = n[binomSurvivalDist >= confidence][0]

# Plotting the results to Verify that this works
fig, ax = plt.subplots(1, 1, figsize=(12, 10))
x = np.arange(0, nrequired+1, 1)
ax.plot(x, scipy.stats.binom.sf(x, nrequired, p), lw=2)
ax.set_xlabel("Number of Successes", fontsize=16)
ax.set_ylabel("Probability of Getting At Least this Many Success", fontsize=16)
ax.set_title("Distribution for %i Trials" % nrequired, fontsize=18)

print(nrequired)
plt.show()

该图对于计算不是必需的，但允许我们验证该过程确实给了我们正确的答案。

关于python - 如何使用库函数 scipy.stats.binom.pmf 返回给定概率的二项式分布中的试验次数 (n)？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59360763/