module garden.poulet#

Short summary#

module mlstatpy.garden.poulet

Functions for Optimisation avec données aléatoires.

source on GitHub

Functions#

function

truncated documentation

esperance

Espérance du profit en faisant varier le nombre de poulet vendus.

exponentielle

Simule une loi exponentielle de paramètre \lambda.

f_proba_poisson_melange

Wraps function proba_poisson_melange to avoid global variable.

factorielle

Calcule x! de façon récursive.

find_maximum

Trouver le couple (nombre de poulets achetés, profit) lorsque le profit est maximum.

histogramme_poisson_melange

Calcule un histogramme d’un mélange de loi de Poisson.

local_proba_poisson_melange

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

maximum

Calcule les espérances de profit pour différents nombres de poulets achetés.

poisson

Simule une loi de Poisson de paramètre \lambda.

poisson_melange

Simule une variable selon un mélange de loi de Poisson.

proba_poisson

Calcule la probabilité \pr{X=i}` lorsque X suit une loi de Poisson de paramètre \lambda. …

profit

Calcule le profit.

Documentation#

Functions for Optimisation avec données aléatoires.

source on GitHub

mlstatpy.garden.poulet.esperance(X, p, q, s, lx)#

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

source on GitHub

mlstatpy.garden.poulet.exponentielle(lx)#

Simule une loi exponentielle de paramètre \lambda.

source on GitHub

mlstatpy.garden.poulet.f_proba_poisson_melange()#

Wraps function proba_poisson_melange to avoid global variable.

source on GitHub

mlstatpy.garden.poulet.factorielle(x)#

Calcule x! de façon récursive.

source on GitHub

mlstatpy.garden.poulet.find_maximum(res)#

Trouver le couple (nombre de poulets achetés, profit) lorsque le profit est maximum.

Paramètres:

res – résultat de la fonction maximum

Renvoie:

(X, profit) maximum

source on GitHub

mlstatpy.garden.poulet.histogramme_poisson_melange(params, coef, n=100000)#

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

source on GitHub

mlstatpy.garden.poulet.maximum(p, q, s, lx)#

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)

source on GitHub

mlstatpy.garden.poulet.poisson(lx)#

Simule une loi de Poisson de paramètre \lambda.

source on GitHub

mlstatpy.garden.poulet.poisson_melange(params, coef)#

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

source on GitHub

mlstatpy.garden.poulet.proba_poisson(lx, i)#

Calcule la probabilité \pr{X=i}` lorsque X suit une loi de Poisson de paramètre \lambda.

source on GitHub

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

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

source on GitHub

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

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

source on GitHub