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)[source]#

通过数值求和计算关于离散分布的函数的期望值。

参数:
funccallable, optional

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。

argstuple, optional

分布的形状参数。

locfloat, optional

位置参数。默认值为 0。

lb, ubint, optional

求和的下界和上界,默认为分布的支持集,包含边界(lb <= k <= ub)。

conditionalbool, optional

如果为 true,则期望值通过求和区间的条件概率进行校正。 返回值是函数 func 的期望值,条件是在给定的区间内(k 满足 lb <= k <= ub)。 默认值为 False。

maxcountint, optional

要评估的最大项数(以避免无限循环的无限和)。 默认值为 1000。

tolerancefloat, optional

求和的绝对容差。 默认值为 1e-10。

chunksizeint, optional

以该大小的块迭代分布的支持集。 默认值为 32。

返回:
expectfloat

期望值。

注释

对于重尾分布,期望值可能存在或不存在,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、方差的精度在示例中仅为 1e-5。 增加 maxcount 和/或 chunksize 可能会改善结果,但也可能使 zipf 非常慢。

该函数未向量化。