📈 ワイブル分布@α=1、β=1、γ=0

1165_ワイブル分布@α=1、β=1、γ=0

👨‍🏫 5300

import numpy as np
import matplotlib.pyplot as plt

#fig, ax = plt.subplots(figsize=(2.9, 2.1)) 
fig, ax = plt.subplots()

#----------------
#_📈_1165_ワイブル分布@α=1、β=1、γ=0
xy_1165 = [(0,1) \
, (0.1,0.904837418) \
, (0.2,0.8187307531) \
, (0.3,0.7408182207) \
, (0.4,0.670320046) \
, (0.5,0.6065306597) \
, (0.6,0.5488116361) \
, (0.7,0.4965853038) \
, (0.8,0.4493289641) \
, (0.9,0.4065696597) \
, (1,0.3678794412) \
, (1.1,0.3328710837) \
, (1.2,0.3011942119) \
, (1.3,0.272531793) \
, (1.4,0.2465969639) \
, (1.5,0.2231301601) \
, (1.6,0.201896518) \
, (1.7,0.1826835241) \
, (1.8,0.1652988882) \
, (1.9,0.1495686192) \
, (2,0.1353352832) \
, (2.1,0.1224564283) \
, (2.2,0.1108031584) \
, (2.3,0.1002588437) \
, (2.4,0.09071795329) \
, (2.5,0.08208499862) \
, (2.6,0.07427357821) \
, (2.7,0.06720551274) \
, (2.8,0.06081006263) \
, (2.9,0.05502322006) \
, (3,0.04978706837) \
]
z_1165 = [list(t) for t in zip(*xy_1165)]; x_1165 = z_1165[0]; y_1165 = z_1165[1]

ax.scatter(x_1165, y_1165)
ax.plot(x_1165, y_1165)
ax.annotate('ID=1165' \
, xy=(np.mean(x_1165),np.mean(y_1165)) \
, xytext=(np.mean(x_1165)+ np.std(y_1165), np.mean(y_1165) + np.std(y_1165)) \
, arrowprops=dict(arrowstyle="->"))
#----------------

plt.show()

図 1 . python コード

A4 （210 × 297mm）あるいは少し大きめのレターサイズ（215.9 × 279.4ミリ）が一般的です。 2 カラムとすると 3.34645669291339インチ程度。アスペクトを 4:3にすれば、2.9インチ×2.1インチぐらいの図が論文投稿の図として適切です。

サーバーサイドスクリプト

サーバーサイドでラスタライズ（bmp,jpg,png）しているので、レスポンシブな表示が可能です。サーバーサイドでダイナミックに生成している画像なので、ダウンロードだけでなく、リンクもできます。

クライアントサイドスクリプト

図 3 . canvas ワイブル分布@α=1、β=1、γ=0

クライアントサイドでラスタライズ（bmp,jpg,png）しているので、レスポンシブな表示が可能です。クライアントサイドでダイナミックに生成している画像なので、ダウンロードはできますが、リンクはできません。

図 4 . google chart APIを使った描画

xmin	0
xmax	3
ymin	0
ymax	1

0 1 0.1 0.904837418 0.2 0.8187307531 0.3 0.7408182207 0.4 0.670320046 0.5 0.6065306597 0.6 0.5488116361 0.7 0.4965853038 0.8 0.4493289641 0.9 0.4065696597 1 0.3678794412 1.1 0.3328710837 1.2 0.3011942119 1.3 0.272531793 1.4 0.2465969639 1.5 0.2231301601 1.6 0.201896518 1.7 0.1826835241 1.8 0.1652988882 1.9 0.1495686192 2 0.1353352832 2.1 0.1224564283 2.2 0.1108031584 2.3 0.1002588437 2.4 0.09071795329 2.5 0.08208499862 2.6 0.07427357821 2.7 0.06720551274 2.8 0.06081006263 2.9 0.05502322006 3 0.04978706837

,[0 1 ],[0.1 0.904837418 ],[0.2 0.8187307531 ],[0.3 0.7408182207 ],[0.4 0.670320046 ],[0.5 0.6065306597 ],[0.6 0.5488116361 ],[0.7 0.4965853038 ],[0.8 0.4493289641 ],[0.9 0.4065696597 ],[1 0.3678794412 ],[1.1 0.3328710837 ],[1.2 0.3011942119 ],[1.3 0.272531793 ],[1.4 0.2465969639 ],[1.5 0.2231301601 ],[1.6 0.201896518 ],[1.7 0.1826835241 ],[1.8 0.1652988882 ],[1.9 0.1495686192 ],[2 0.1353352832 ],[2.1 0.1224564283 ],[2.2 0.1108031584 ],[2.3 0.1002588437 ],[2.4 0.09071795329 ],[2.5 0.08208499862 ],[2.6 0.07427357821 ],[2.7 0.06720551274 ],[2.8 0.06081006263 ],[2.9 0.05502322006 ],[3 0.04978706837]

図形と関数

<figure>
<img src="https://a.yamagata-u.ac.jp/amenity/Laboratory/xyGraphImage.aspx?id=1165" />
<figcaption>
<a href="https://edu.yz.yamagata-u.ac.jp/developer/Asp/Youzan/Laboratory/Plot/Plot_Index.asp">Fig</a> <a href="https://edu.yz.yamagata-u.ac.jp/developer/Asp/Youzan/Laboratory/Plot/@Plot.asp?nxyGraphID=1165"> ワイブル分布@α=1、β=1、γ=0 </a>
<div> </div>
</figcaption>
</figure>

動画、音声及び写真を含む図表等を転載する場合には転載許諾書による同意があった方が無難です。動画、音声及び写真を含む図表等の転載許諾書

https://edu.yz.yamagata-u.ac.jp/developer/Asp/Youzan/Laboratory/Plot/@Plot.asp?nxyGraphID=1165

名称：教育用公開ウェブサービス

URL： 🔗 https://edu.yz.yamagata-u.ac.jp/

管理運用：山形大学学術情報基盤センター

🎄🎂🌃🕯🎉

名称：サイバーキャンパス「鷹山」

URL: 🔗 http://amenity.yz.yamagata-u.ac.jp/

管理運用：山形大学データベースアメニティ研究会

〒992-8510 山形県米沢市城南4丁目3-16

名称	グラフ	説明

指数関数		python +matplotlib import numpy as np import math import matplotlib.pyplot as plt xy = [(p, math.exp(p)) for p in \ np.arange(start = - 2, stop = 2, step = 0.1)] z = [list(t) for t in zip(*xy)]; x = z[0]; y = z[1] fig, ax = plt.subplots() ax.plot(x, y) plt.show()
逆ネルンスト		電池の充放電曲線で現れます。
確率曲線
正規分布関数		確率統計で多用されます。品質管理でも大切です。