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”),表示为 \(G^{-1}(p)\),是使互补累积分布函数 \(G(x)\) 的值为 \(p\) 的参数 \(x\)。
\[G^{-1}(p) = x \quad \text{s.t.} \quad G(x) = p\]当互补累积分布函数的严格“逆”不存在时(例如,离散随机变量),“逆 CCDF”按照惯例定义为支持度 \(\chi\) 内的最小值,其中 \(G(x)\) 不大于 \(p\)。
\[G^{-1}(p) = \min_\chi \quad \text{s.t.} \quad G(x) ≤ p\]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
),基础设施将在以下选项之间进行选择,并按优先级顺序列出。'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 CCDF 等于 p 的参数
并非所有 method 选项都适用于所有分布。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。
注释
假设概率分布的支持度为 \([l, r]\)。逆 CCDF 在 \(p = 1\) 处返回其最小值 \(l\),在 \(p = 0\) 处返回其最大值 \(r\)。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
实例化具有所需参数的分布
>>> import numpy as np >>> from scipy import stats >>> X = stats.Uniform(a=-0.5, b=0.5)
在所需的参数处评估逆 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])