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.factorielle(x)[source][source]#

Calcule \(x!\) de façon récursive.

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 \(\lambda\)

  • coefcoef[i] coefficient associé à la loi de paramètre params[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 \(\lambda\)

  • coefcoef[i] coefficient associé à la loi de paramètre params[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 \(\lambda\).

mlstatpy.garden.poulet.proba_poisson_melange(params, coef, i)[source]#

Calcule la probabilité \(\pr{X=i}`\) lorsque \(X\) suit un mélange de lois.

Paramètres:
  • params – liste de paramètre \(\lambda\)

  • coefcoef[i] coefficient associé à la loi de paramètre params[i]

Renvoie:

valeur

mlstatpy.garden.poulet.profit(N, X, p, q, s)[source][source]#

Calcule le profit.

Paramètres:
  • N – nombre de poulets vendus

  • X – nombre de poulets achetés

  • p – prix d’achat

  • q – prix de vente

  • s – prix soldé

Renvoie:

profit