Ctrl+K
scipy.stats.Mixture.

iccdf#

Mixture.iccdf(p, /, *, method=None)[源代码]#

逆互补累积分布函数。

逆互补累积分布函数（“逆CCDF”），记为\(G^{-1}(p)\)，是使得互补累积分布函数\(G(x)\)的值为\(p\)的参数\(x\)。

\[G^{-1}(p) = x \quad \text{s.t.} \quad G(x) = p\]

iccdf接受p，其中\(p \in [0, 1]\)。

参数:
parray_like

逆CCDF的参数。

method{None, ‘formula’, ‘complement’, ‘inversion’}

用于评估逆CCDF的策略。默认情况下（None），基础结构会从以下选项中选择，按优先级顺序列出。

  • 'formula'：使用逆CCDF本身的公式

  • 'complement'：在p的补集处评估逆CDF

  • 'inversion'：数值求解使CCDF等于p的参数

并非所有分布都可使用所有method选项。如果所选的method不可用，则会引发NotImplementedError。

返回:
outarray

在提供的参数处评估的逆CCDF。

另请参阅

icdf
ilogccdf

备注

假设连续概率分布的支持为\([l, r]\)。逆CCDF在\(p = 1\)时返回其最小值\(l\)，在\(p = 0\)时返回其最大值\(r\)。由于CCDF的范围为\([0, 1]\)，因此逆CCDF仅在域\([0, 1]\)上定义；对于\(p < 0\)和\(p > 1\)，iccdf返回nan。

示例

使用所需的参数实例化分布

>>> import numpy as np
>>> from scipy import stats
>>> X = stats.Uniform(a=-0.5, b=0.5)

在所需参数处评估逆CCDF

>>> X.iccdf(0.25)
0.25
>>> np.allclose(X.iccdf(0.25), X.icdf(1-0.25))
True

当参数超出域时，此函数返回NaN。

>>> X.iccdf([-0.1, 0, 1, 1.1])
array([ nan,  0.5, -0.5,  nan])
在此页上