scipy.stats.rv_discrete.

expect

rv_discrete.expect(func=None, args=(), loc=0, lb=None, ub=None, conditional=False, maxcount=1000, tolerance=1e-10, chunksize=32)

通过数值求和计算离散分布函数相对于分布的期望值。

参数:

func可调用对象, 可选

用于计算期望值的函数。只接受一个参数。默认是恒等映射 f(k) = k。

args元组, 可选

分布的形状参数。

loc浮点数, 可选

位置参数。默认为 0。

lb, ub整数, 可选

求和的下限和上限，默认设置为分布的支持度，包括在内 (lb <= k <= ub)。

conditional布尔值, 可选

如果为 True，则期望值会根据求和区间的条件概率进行修正。返回值是函数 func 的期望值，该期望值取决于给定的区间（k 满足 lb <= k <= ub）。默认为 False。

maxcount整数, 可选

要评估的最大项数（以避免无限循环求和）。默认为 1000。

tolerance浮点数, 可选

求和的绝对容差。默认为 1e-10。

chunksize整数, 可选

以这个大小的块迭代分布的支持度。默认为 32。

返回:

expect浮点数

期望值。

注释

对于重尾分布，期望值可能存在也可能不存在，具体取决于函数 func。如果它确实存在，但总和收敛缓慢，则结果的准确性可能相当低。例如，对于 zipf(4)，均值和方差的示例精度仅为 1e-5。增加 maxcount 和/或 chunksize 可能会提高结果，但也可能使 zipf 非常缓慢。

该函数不是向量化的。