scipy.special.gdtrib#

scipy.special.gdtrib(a, p, x, out=None) = <ufunc 'gdtrib'>#

gdtr 相对于 b 的逆。

返回 p = gdtr(a, b, x)（伽马分布的累积分布函数）相对于参数 b 的逆。

参数:

aarray_like: gdtr(a, b, x) 的 a 参数值。``1/a`` 是伽马分布的“尺度”参数。
parray_like: 概率值。
xarray_like: 来自伽马分布域的非负实数值。
outndarray，可选: 如果给出第四个参数，则它必须是一个 numpy.ndarray，其大小与 a、b 和 x 的广播结果相匹配。out 然后是函数返回的数组。

返回:

b标量或 ndarray: b 参数的值，使得 p = gdtr(a, b, x)。b 是伽马分布的“形状”参数。

另请参见

gdtr: 伽马分布的 CDF。
gdtria: gdtr(a, b, x) 相对于 a 的逆。
gdtrix: gdtr(a, b, x) 相对于 x 的逆。

注释

累积分布函数 p 是使用 Cephes [1] 例程 igam 和 igamc 计算的。b 的计算涉及搜索一个值，该值使用 Chandrupatla 的括号根查找算法 [2] 产生 p 的期望值。

请注意，在某些边缘情况下，gdtrib 通过取唯一确定的极限来扩展。特别是 x == 0 且 p > 0，以及 p == 0 且 x > 0。对于这些边缘情况，即使 gdtr(a, gdtrib(a, p, x), x) 未定义，也将返回 gdtrib(a, p, x) 的数值结果。

参考文献

[1]

Cephes 数学函数库，http://www.netlib.org/cephes/

[2]

Chandrupatla, Tirupathi R. “一种新的混合二次/二分算法，用于查找非线性函数的零点而无需使用导数”。《工程软件进展》，28(3)，145-149。https://doi.org/10.1016/s0965-9978(96)00051-8

示例

首先评估 gdtr。

>>> from scipy.special import gdtr, gdtrib
>>> p = gdtr(1.2, 3.4, 5.6)
>>> print(p)
0.94378087442

验证逆。

>>> gdtrib(1.2, p, 5.6)
3.3999999999999995