scaling-broccoli/Model.py at master · ArchanjoJr/scaling-broccoli · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
import math as mat
from scipy.stats import norm
from fractions import Fraction


def distr_binom(n, k, p, q):
    """
    N= numero total de provas
    K= numero de vezes que se quer a ocorrencia
    P= probabilidade de sucesso da ocorrencia
    Q= probabilidade de fracasso da ocorrencia
    :return float(or int)
    """
    a = mat.factorial(n) / (mat.factorial(k) * mat.factorial(n - k))
    b = (p ** k) * (q ** (n - k))
    result = a * b
    return result


def distr_pois(x, tx, tm, ):
    """
    (float or int)
    X = numero de ocorrencias
    tx = taxa media de ocorrencias do evento
    tm = tempo medio de ocorrencias do evento

    """
    t = tx * tm
    den = (mat.e ** -t) * (t ** x)
    num = mat.factorial(x)
    return den / num

def distr_norm_lesser(val, media, desvio):
    """
    para P(x<val)
    val    = Valor assumido pela variavel
    media  = Media
    desvio = Desvio Padrao
    """
    return norm.cdf(val,media,desvio)

def distr_norm_greater(val, media, desvio):
    """
    para P(x>val)
    val    = Valor assumido pela variavel
    media  = Media
    desvio = Desvio Padrao
    """
    return (1-(norm.cdf(val, media, desvio)))

def distr_norm_between(val1,val2,media,desvio):
    """
    para P(val1<x<val2)
    val    = Valor assumido pela variavel
    media  = Media
    desvio = Desvio Padrao
    """
    return (norm.cdf(val2,media,desvio)) - (norm.cdf(val1, media, desvio))