Coding Is Fun

  Rayleigh Distribution Rayleigh Distribution digunakan dalam pemrosesan sinyal. Ini memiliki dua parameter: scale - (Standard Deviation) memutuskan seberapa datar distribusi akan menjadi default 1.0. size - Bentuk array yang dikembalikan. Contoh Gambarkan sampel untuk rayleigh distribution dengan scale 2 dengan size 2x3. from  numpy  import  random x = random.rayleigh(scale= 2 , size=( 2 ,  3 )) print (x) Visualization of Rayleigh Distribution Contoh from  numpy  import  random import  matplotlib.pyplot  as  plt import  seaborn  as  sns sns.distplot(random.rayleigh(size= 1000 ), hist= False ) plt.show() Result Similarity Between Rayleigh and Chi Square Distribution Pada unit stddev dan 2 derajat kebebasan rayleigh dan chi square mewakili distribusi yang sama.

  Chi Square Distribution Chi Square Distribution digunakan sebagai dasar untuk memverifikasi hipotesis. Ini memiliki dua parameter: df - (degree of freedom) size Bentuk array yang dikembalikan. Contoh Gambarkan sampel untuk chi square distribution dengan degree of freedom 2 dengan ukuran 2x3. from  numpy  import  random x = random.chisquare(df= 2 , size=( 2 ,  3 )) print (x) Visualization of Chi Square Distribution Contoh from  numpy  import  random import  matplotlib.pyplot  as  plt import  seaborn  as  sns sns.distplot(random.chisquare(df= 1 , size= 1000 ), hist= False ) plt.show() Result

  Exponential Distribution Exponential Distribution digunakan untuk menggambarkan waktu sampai peristiwa berikutnya misalnya kegagalan/keberhasilan dll. Ini memiliki dua paramete: scale - Kebalikan dari rate (lihat lam dalam poisson distribution) default ke 1.0. size - Bentuk array yang dikembalikan. Contoh Buatlah contoh untuk exponential distribution dengan skala 2.0 dengan ukuran 2x3. from  numpy  import  random x = random.exponential(scale= 2 , size=( 2 ,  3 )) print (x) Visualization of Exponential Distribution Contoh from  numpy  import  random import  matplotlib.pyplot  as  plt import  seaborn  as  sns sns.distplot(random.exponential(size= 1000 ), hist= False ) plt.show() Result Relation Between Poisson and Exponential Distribution Poisson distribution berkaitan dengan jumlah kejadian suatu peristiwa dalam periode waktu sedangkan exponential distribution berkaitan dengan waktu antara peristiwa-peristiwa ini.

  Multinomial Distribution Multinomial Distribution adalah generalisasi dari binomial distribution. Ini menggambarkan hasil dari skenario multi-nomial tidak seperti binomial dimana skenario harus hanya satu dari dua. Misalnya golongan darah suatu populasi, hasil lemparan dadu. Ini memiliki tiga parameter: n - Jumlah kemungkinan hasil (misalnya 6 untuk lemparan dadu). pvals - Daftar probabilitas hasil (misalnya [1/6, 1/6, 1/6, 1/6, 1/6, 1/6] untuk pelemparan dadu). size - Bentuk array yang dikembalikan. Contoh Gambarkan sampel untuk lemparan dadu. from  numpy  import  random x = random.multinomial(n= 6 , pvals=[ 1 / 6 ,  1 / 6 ,  1 / 6 ,  1 / 6 ,  1 / 6 ,  1 / 6 ]) print (x) Note: Sampel multinomial TIDAK akan menghasilkan nilai tunggal! Mereka akan menghasilkan satu nilai untuk masing-masing pvals . Note: Karna merupakan generalisasi dari binomial distribution, representasi visual dan kesamaan normal distribution nya sama dengan beberapa bi...

  Logistic Distribution Logistic Distribution digunakan untuk menggambarkan pertumbuhan. Digunakan secara luas dalam Machine Learning dalam regresi logistic, jaringan saraf, dll. Ini memiliki tiga parameter: loc - Mean, dimana puncaknya. Default 0. scale - Standard Deviation, kerataan distribution. Default 1. size - Bentuk array yang dikembalikan. Contoh Gambaran sampel 2x3 dari logistic distribution dengan rata-rata pada 1 dan stddev 2.0. from  numpy  import  random x = random.logistic(loc= 1 , scale= 2 , size=( 2 ,  3 )) print (x) Visualization of Logistic Distribution Contoh from  numpy  import  random import  matplotlib.pyplot  as  plt import  seaborn  as  sns sns.distplot(random.logistic(size= 1000 ), hist= False ) plt.show() Result Difference Between Logistic and Normal Distribution Kedua distribution hampir identik, tetapi distribution logistik memiliki lebih banyak area dibawah ekor, yang berarti lebih banyak ...

  Uniform Distribution Digunakan untuk menggambarkan probabilitas dimana setiap peristiwa memiliki peluang yang sama untuk terjadi. Misalnya Generasi nomor acak. Ini memiliki tiga parameter: a - lower bound - default 0.0. b - upper bound - default 1.0. size - Bentuk array yang dikembalikan. Contoh Buat sampel uniform distribution 2x3. from  numpy  import  random x = random.uniform(size=( 2 ,  3 )) print (x) Visualization of Uniform Distribution  Contoh from  numpy  import  random import  matplotlib.pyplot  as  plt import  seaborn  as  sns sns.distplot(random.uniform(size= 1000 ), hist= False ) plt.show() Result

  Poisson Distribution Poisson Distribution adalah Discrete Distribution. Ini memperkirakan berapa kali suatu peristiwa dapat terjadi dalam waktu tertentu. misalnya jika seseorang makan dua kali sehari berapa probabilitas dia akan makan tiga kali? Ini memiliki dua parameter: lam - Tingkat atau jumlah kejadian yang diketahui misalnya 2 untuk masalah diatas. size  - Bentuk array yang dikembalikan. Contoh Hasilkan distribution 1x10 acak untuk kejadian 2. from  numpy  import  random x = random.poisson(lam= 2 , size= 10 ) print (x) Visualization  of Poisson Distribution Contoh from  numpy  import  random import  matplotlib.pyplot  as  plt import  seaborn  as  sns sns.distplot(random.poisson(lam= 2 , size= 1000 ), kde= False ) plt.show() Result Difference Between Normal and Poisson Distribution Normal Distribution adalah continue sedangkan poisson distribution adalah discrete. Tetapi kita dapat melihat bahwa mirip deng...

  Binomial Distribution Binomial Distribution adalah Discrete Distribution. Ini menggambarkan hasil dari sekenario biner, misalnya lemparan koin, itu akan menjadi kepala atau ekor. Ini memiliki tiga parameter: n - Jumlah percobaan. p - Probabilitas terjadinya setiap percobaan (misalnya untuk lemparan koin 0,5 masing-masing). size - Bentuk array yang dikembalikan. Discrete Distribution: Distribution didefinisikan  pada rangkaian peristiwa yang terpisah, misalnya hasil lemparan koin adalah discrete karna hanya dapat berupa kepala atau ekor sedangkan tinggi orang kontinu seperti dapat 170, 170.1, 170.11 dan seterusnya. Contoh Diberikan 10 percobaan untuk lemparan koin menghasilkan 10 poin data. from  numpy  import  random x = random.binomial(n= 10 , p= 0.5 , size= 10 ) print (x) Visualization of Binomial Distribution Contoh from  numpy  import  random import  matplotlib.pyplot  as  plt import  seaborn  as  sns sns.distp...

  Normal Distribution Normal Distribution adalah salah satu distribution yang paling penting. Hal ini juga disebut Gaussian Distribution setelah matematikawan Jerman Carl Friedrich Gauss. Ini cocok dengan Probability Distribution banyak peristiwa. Misalnya Skor IQ, Detak jantung dll. Gunakan random.normal() untuk mendapatkan Normal Data Distribution. Ini memiliki 3 parameter: loc - (Mean) dimana puncak bel ada. scale - (Standard Deviation) seberapa datar distribusi grafik seharusnya. size - Bentuk array yang dikembalikan. Contoh Hasilkan normal distribution acak ukuran 2x3. from  numpy  import  random x = random.normal(size=( 2 ,  3 )) print (x) Contoh Hasilkan normal distribution acak ukuran 2x3 dengan mean pada 1 dan standard deviation 2. from  numpy  import  random x = random.normal(loc= 1 , scale= 2 , size=( 2 ,  3 )) print (x) Visualization  of Normal Distribution  from  numpy  import  random import  matplo...

  Visualize Distributions With Seaborn Seaborn adalah library yang menggunakan Matplotlib di bawahnya untuk memplot grafik. Ini akan dugunakan untuk memvisualisasikan distribusi acak. Install Seaborn. Jika kalian sudah menginstall Python dan PIP di sistem, install menggunakan printah ini. C:\Users\ Your Name >pip install seaborn Jika kalian menggunakan Jupyter, install Seaborn menggunakan perintah ini. C:\Users\ Your Name >!pip install seaborn Distplots  Distplot adalah singkatan dari distribusi plot, dibutuhkan sebagai input array dan plot kurva yang sesuai dengan distribusi titik dalam array. Import Matplotlib Import objek python dari modul Matplotlib dalam kode kalian menggunakan pernyataan berikut. import  matplotlib.pyplot  as  plt Import Seaborn Import modul Seaborn dalam kode kalian menggunakan pernyataan berikut. import  seaborn  as  sns Plotting a Distplot Contoh import  matplotlib.pyplot  as  plt import  seaborn...

  Random Permutations of Element Permutasi/Permutation mengacu pada pengaturan elemen. misalnya [3, 2, 1] adalah permutasi dari [1, 2, 3] dan sebaliknya. Modul NumPy Random menyediakan dua metode untuk ini: shuffle() dan permutation() . Shuffling Arrays Shuffle berarti mengubah susunan elemen di tempat. yaitu dalam array itu sendiri. Contoh Acak elemen array berikut secara acak. from  numpy  import  random import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ]) random.shuffle(arr) print (arr) Metode shuffle() ini membuat perubahan pada array asli. Generating Permutation of Arrays Contoh Hasilkan permutasi acak elemen array berikut. from  numpy  import  random import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ]) print (random.permutation(arr)) Metode mengembalikan array yang diatur ulang (dan membiarkan array asli tidak berubah) permutation() .

  What is Data Distribution? Data Distribution adalah daftar semua nilai yang mungkin. dan seberapa sering setiap nilai muncul. Daftar tersebut penting ketika bekerja dengan statistik dan data science. Modul acak menawarkan metode yang mengembalikan data distribution yang dihasilkan secara acak. Random Distribution Random distribution adalah himpunan bilangan acak yang mengikuti Probability Density Function  tertentu. Probability Density Function: Sebuah fungsi yang menggambarkan probabilitas continue. yaitu probabilitas semua nilai dalam array. Kita dapat menghasilkan angka acak berdasarkan probabilitas yang ditentukan menggunakan choice() metode random modul. Metode choice() ini memungkinkan kita untuk menentukan probabilitas untuk setiap nilai. Probabilitas ditentukan oleh angka antara 0 dan 1, dimana 0 berarti nilai tidak akan pernah terjadi dan 1 berarti nilai akan selalu muncul. Contoh Hasilkan array 1-D yang berisi 100 nilai, dimana setiap nilai harus 3,5,7 atau 9. P...