scipy.stats.Binomial.

entropy#

Binomial.entropy(*, method=None)[source]#

微分熵

用概率密度函数 \(f(x)\) 和支持 \(\chi\) 来表示，连续随机变量 \(X\) 的微分熵（或简称“熵”）为

\[h(X) = - \int_{\chi} f(x) \log f(x) dx\]

离散随机变量的定义是类似的，用 PMF 替换 PDF，用支持上的和替换积分。

参数:
method{None, ‘formula’, ‘logexp’, ‘quadrature’}

用于评估熵的策略。默认情况下 (None)，基础结构在以下选项之间进行选择，按优先级顺序列出。

  • 'formula': 使用熵本身的公式

  • 'logexp': 评估对数熵并求幂

  • 'quadrature': 数值积分（或者，在离散情况下，求和）熵的被积函数（被加数）

并非所有 method 选项都适用于所有分布。如果选择的 method 不可用，将引发 NotImplementedError。

返回值:
outarray

随机变量的熵。

参见

logentropy
pdf

注释

此函数使用自然对数计算熵；即以 \(e\) 为底的对数。因此，该值以 nats 的（无量纲）“单位”表示。要将熵转换为不同的单位（即，与不同的底数相对应），请将结果除以所需底数的自然对数。

参考文献

示例

使用所需的参数实例化分布

>>> from scipy import stats
>>> X = stats.Uniform(a=-1., b=1.)

评估熵

>>> X.entropy()
0.6931471805599454
在本页中