scipy.stats.fisk#

scipy.stats.fisk = <scipy.stats._continuous_distns.fisk_gen object>[源]#

Fisk 连续随机变量。

Fisk 分布也称为对数逻辑分布。

作为 rv_continuous 类的实例,fisk 对象继承了该类的一组通用方法(请参见下面的完整列表),并使用此特定分布的详细信息对其进行了完善。

方法

rvs(c, loc=0, scale=1, size=1, random_state=None)

随机变量。

pdf(x, c, loc=0, scale=1)

概率密度函数。

logpdf(x, c, loc=0, scale=1)

概率密度函数的对数。

cdf(x, c, loc=0, scale=1)

累积分布函数。

logcdf(x, c, loc=0, scale=1)

累积分布函数的对数。

sf(x, c, loc=0, scale=1)

生存函数(也定义为 1 - cdf,但 sf 有时更准确)。

logsf(x, c, loc=0, scale=1)

生存函数的对数。

ppf(q, c, loc=0, scale=1)

百分点函数(cdf 的逆函数 — 百分位数)。

isf(q, c, loc=0, scale=1)

逆生存函数(sf 的逆函数)。

moment(order, c, loc=0, scale=1)

指定阶数的非中心矩。

stats(c, loc=0, scale=1, moments=’mv’)

均值('m'),方差('v'),偏度('s')和/或峰度('k')。

entropy(c, loc=0, scale=1)

RV 的(微分)熵。

fit(data)

通用数据的参数估计。 有关关键字参数的详细文档,请参见 scipy.stats.rv_continuous.fit

expect(func, args=(c,), loc=0, scale=1, lb=None, ub=None, conditional=False, **kwds)

关于分布的函数(一个参数)的期望值。

median(c, loc=0, scale=1)

分布的中位数。

mean(c, loc=0, scale=1)

分布的均值。

var(c, loc=0, scale=1)

分布的方差。

std(c, loc=0, scale=1)

分布的标准差。

interval(confidence, c, loc=0, scale=1)

中位数周围具有相等面积的置信区间。

也可以看看

burr

笔记

fisk 的概率密度函数为

\[f(x, c) = \frac{c x^{c-1}} {(1 + x^c)^2}\]

对于 \(x >= 0\)\(c > 0\)

请注意,以上表达式可以转换为以下表达式,该表达式也通常使用

\[f(x, c) = \frac{c x^{-c-1}} {(1 + x^{-c})^2}\]

fiskc 用作 \(c\) 的形状参数。

fiskburrburr12 的一个特例,其中 d=1

假设 X 是一个位置为 l 和比例为 s 的逻辑随机变量。 然后 Y = exp(X) 是 Fisk(对数逻辑)随机变量,其 scale = exp(l) 和形状 c = 1/s

上面的概率密度以“标准化”形式定义。 要移动和/或缩放分布,请使用 locscale 参数。 具体来说,fisk.pdf(x, c, loc, scale)fisk.pdf(y, c) / scale 相同,其中 y = (x - loc) / scale。 请注意,移动分布的位置不会使其成为“非中心”分布; 一些分布的非中心推广在单独的类中可用。

例子

>>> import numpy as np
>>> from scipy.stats import fisk
>>> import matplotlib.pyplot as plt
>>> fig, ax = plt.subplots(1, 1)

获取支持

>>> c = 3.09
>>> lb, ub = fisk.support(c)

计算前四个矩

>>> mean, var, skew, kurt = fisk.stats(c, moments='mvsk')

显示概率密度函数 (pdf)

>>> x = np.linspace(fisk.ppf(0.01, c),
...                 fisk.ppf(0.99, c), 100)
>>> ax.plot(x, fisk.pdf(x, c),
...        'r-', lw=5, alpha=0.6, label='fisk pdf')

或者,可以调用分布对象(作为函数)以固定形状、位置和比例参数。 这将返回一个“冻结”的 RV 对象,该对象保持给定的参数固定。

冻结分布并显示冻结的 pdf

>>> rv = fisk(c)
>>> ax.plot(x, rv.pdf(x), 'k-', lw=2, label='frozen pdf')

检查 cdfppf 的准确性

>>> vals = fisk.ppf([0.001, 0.5, 0.999], c)
>>> np.allclose([0.001, 0.5, 0.999], fisk.cdf(vals, c))
True

生成随机数

>>> r = fisk.rvs(c, size=1000)

并比较直方图

>>> ax.hist(r, density=True, bins='auto', histtype='stepfilled', alpha=0.2)
>>> ax.set_xlim([x[0], x[-1]])
>>> ax.legend(loc='best', frameon=False)
>>> plt.show()
../../_images/scipy-stats-fisk-1.png