Ctrl+K
scipy.stats.Uniform.

ilogcdf#

Uniform.ilogcdf(logp, /, *, method=None)[源代码]#

累积分布函数对数的反函数。

累积分布函数对数的反函数（“反向对数 CDF”）是参数 \(x\)，对于该参数，累积分布函数的对数 \(\log(F(x))\) 的计算结果为 \(\log(p)\)。

在数学上，它等效于 \(F^{-1}(\exp(y))\)，其中 \(y = \log(p)\)，但与朴素实现（计算 \(p = \exp(y)\)，然后 \(F^{-1}(p)\)）相比，它在数值上可能更有利。

ilogcdf 接受 logp 的条件是 \(\log(p) ≤ 0\)。

参数:
logp类数组

反向对数 CDF 的参数。

method{None, 'formula', 'complement', 'inversion'}

用于评估反向对数 CDF 的策略。默认情况下 (None)，基础架构会在以下选项之间进行选择，这些选项按优先级顺序列出。

  • 'formula'：使用反向对数 CDF 本身的公式

  • 'complement'：在 logp 的对数补码处评估反向对数 CCDF（请参阅注释）

  • 'inversion'：数值求解对数 CDF 等于 logp 的参数

并非所有分布都提供所有 method 选项。如果选定的 method 不可用，则会引发 NotImplementedError。

返回:
out数组

在提供的参数处评估的反向对数 CDF。

另请参阅

icdf
logcdf

注释

假设连续概率分布的支持为 \([l, r]\)。反向对数 CDF 在 \(\log(p) = \log(0) = -\infty\) 时返回其最小值 \(l\)，并在 \(\log(p) = \log(1) = 0\) 时返回其最大值 \(r\)。由于对数 CDF 的范围为 \([-\infty, 0]\)，因此反向对数 CDF 仅在负实数上定义；对于 \(\log(p) > 0\)，ilogcdf 返回 nan。

有时，需要找到 CDF 的参数，该参数对应的概率非常接近 0 或 1 - 太接近以至于无法用浮点算法准确表示。但是，在许多情况下，可以使用浮点算法表示此结果概率的对数，在这种情况下，可以使用此函数查找 CDF 的参数，该参数对应的结果概率的对数为 \(y = \log(p)\)。

数字 \(z\) 的“对数补码”在数学上等效于 \(\log(1-\exp(z))\)，但计算它是为了避免在 \(\exp(z)\) 接近 \(0\) 或 \(1\) 时丢失精度。

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)

在所需的参数处评估反向对数 CDF

>>> X.ilogcdf(-0.25)
0.2788007830714034
>>> np.allclose(X.ilogcdf(-0.25), X.icdf(np.exp(-0.25)))
True
在本页