scipy.stats.rel_breitwigner#

scipy.stats.rel_breitwigner = <scipy.stats._continuous_distns.rel_breitwigner_gen object>[源码]#

相对论 Breit-Wigner 随机变量。

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

方法

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

随机变量。

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

概率密度函数。

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

概率密度函数的对数。

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

累积分布函数。

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

累积分布函数的对数。

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

生存函数(也定义为 1 - cdf,但 sf 有时更准确)。

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

生存函数的对数。

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

百分点函数(cdf 的逆函数 - 百分位数)。

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

逆生存函数(sf 的逆函数)。

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

指定阶的非中心矩。

stats(rho, loc=0, scale=1, moments='mv')

均值('m'),方差('v'),偏度('s') 和/或峰度('k')。

entropy(rho, 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,请参阅 scipy.stats.rv_continuous.fit

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

函数(一个参数)关于分布的期望值。

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

分布的中位数。

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

分布的均值。

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

分布的方差。

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

分布的标准差。

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

围绕中位数的等面积置信区间。

另请参见

cauchy

柯西分布,也称为 Breit-Wigner 分布。

注释

rel_breitwigner 的概率密度函数为

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

其中

\[k = \frac{2\sqrt{2}\rho^2\sqrt{\rho^2 + 1}} {\pi\sqrt{\rho^2 + \rho\sqrt{\rho^2 + 1}}}\]

相对论 Breit-Wigner 分布用于高能物理学中,用于模拟共振 [1]。它给出了不变质量 \(M\) [2] 的不确定性,该不变质量是具有特征质量 \(M_0\) 和衰减宽度 \(\Gamma\) 的共振,其中 \(M\), \(M_0\)\(\Gamma\) 以自然单位表示。在 SciPy 的参数化中,形状参数 \(\rho\) 等于 \(M_0/\Gamma\) 并且取 \((0, \infty)\) 中的值。

等效地,相对论 Breit-Wigner 分布被称为给出质心能量 \(E_{\text{cm}}\) 的不确定性。在自然单位制中,光速 \(c\) 等于 1 并且不变质量 \(M\) 等于静止能量 \(Mc^2\)。在质心系中,静止能量等于总能量 [3]

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,rel_breitwigner.pdf(x, rho, loc, scale)rel_breitwigner.pdf(y, rho) / scale 完全等效,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;一些分布的非中心概括在单独的类中可用。

\(\rho = M/\Gamma\)\(\Gamma\) 是比例参数。 例如,如果想要使用 \(M_0 \approx 91.1876 \text{ GeV}\)\(\Gamma \approx 2.4952\text{ GeV}\) [4] 建模 \(Z^0\) 玻色子,则可以设置 rho=91.1876/2.4952scale=2.4952

为了在使用 fit 方法时确保获得具有物理意义的结果,应设置 floc=0 以将位置参数固定为 0。

参考文献

[1]

Relativistic Breit-Wigner distribution, Wikipedia, https://en.wikipedia.org/wiki/Relativistic_Breit-Wigner_distribution

[2]

Invariant mass, Wikipedia, https://en.wikipedia.org/wiki/Invariant_mass

[3]

Center-of-momentum frame, Wikipedia, https://en.wikipedia.org/wiki/Center-of-momentum_frame

[4]

M. Tanabashi et al. (Particle Data Group) Phys. Rev. D 98, 030001 - Published 17 August 2018

示例

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

获取支持

>>> rho = 36.5
>>> lb, ub = rel_breitwigner.support(rho)

计算前四个矩

>>> mean, var, skew, kurt = rel_breitwigner.stats(rho, moments='mvsk')

显示概率密度函数 (pdf)

>>> x = np.linspace(rel_breitwigner.ppf(0.01, rho),
...                 rel_breitwigner.ppf(0.99, rho), 100)
>>> ax.plot(x, rel_breitwigner.pdf(x, rho),
...        'r-', lw=5, alpha=0.6, label='rel_breitwigner 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,该对象保存给定的固定参数。

冻结分布并显示冻结的 pdf

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

检查 cdfppf 的准确性

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

生成随机数

>>> r = rel_breitwigner.rvs(rho, 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-rel_breitwigner-1.png