mlstatpy.garden.poulet#
- mlstatpy.garden.poulet.esperance(X, p, q, s, lx)[source][source]#
Espérance du profit en faisant varier le nombre de poulet vendus.
- Paramètres:
X – nombre de poulets achetés
p – prix d’achat
q – prix de vente
s – prix soldé
lx – paramètre \(\lambda\)
- Renvoie:
espérance du profit
- mlstatpy.garden.poulet.exponentielle(lx)[source][source]#
Simule une loi exponentielle de paramètre \(\lambda\).
- mlstatpy.garden.poulet.f_proba_poisson_melange()[source][source]#
Wraps function proba_poisson_melange to avoid global variable.
- mlstatpy.garden.poulet.find_maximum(res)[source][source]#
Trouver le couple (nombre de poulets achetés, profit) lorsque le profit est maximum.
- Paramètres:
res – résultat de la fonction
maximum
- Renvoie:
(X, profit)
maximum
- mlstatpy.garden.poulet.histogramme_poisson_melange(params, coef, n=100000)[source][source]#
Calcule un histogramme d’un mélange de loi de Poisson.
- Paramètres:
params – liste de paramètre \(\lambda\)
coef –
coef[i]
coefficient associé à la loi de paramètreparams[i]
- Renvoie:
histogramme
- mlstatpy.garden.poulet.maximum(p, q, s, lx)[source][source]#
Calcule les espérances de profit pour différents nombres de poulets achetés.
- Paramètres:
p – prix d’achat
q – prix de vente
s – prix soldé
lx – paramètre \(\lambda\)
- Renvoie:
liste
(X, profit)
- mlstatpy.garden.poulet.poisson(lx)[source][source]#
Simule une loi de Poisson de paramètre \(\lambda\).
- mlstatpy.garden.poulet.poisson_melange(params, coef)[source][source]#
Simule une variable selon un mélange de loi de Poisson.
- Paramètres:
params – liste de paramètre \(\lambda\)
coef –
coef[i]
coefficient associé à la loi de paramètreparams[i]
- Renvoie:
valeur simulée
- mlstatpy.garden.poulet.proba_poisson(lx, i)[source][source]#
Calcule la probabilité \(\pr{X=i}`\) lorsque \(X\) suit une loi de Poisson de paramètre \(\lambda\).