scipy.stats.Uniform.

entropy#

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

微分熵

根据概率密度函数 \(f(x)\) 和支撑集 \(\chi\)，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类似，用 PMF 代替 PDF，用支撑集上的和代替积分。

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

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

  • 'formula'：使用熵本身的公式

  • 'logexp'：评估对数熵并进行指数运算

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

并非所有分布都提供所有 method 选项。如果所选 method 不可用，将引发 NotImplementedError。

返回值:
outarray（数组）

随机变量的熵。

另请参见

logentropy（对数熵）
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（无量纲）“单位”纳特表示。要将熵转换为不同的单位（即，对应于不同的底数），请将结果除以所需底数的自然对数。

参考文献

示例

实例化具有所需参数的分布

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

评估熵

>>> X.entropy()
0.6931471805599454
在此页面上