rv_discrete#
- class scipy.stats.rv_discrete(a=0, b=inf, name=None, badvalue=None, moment_tol=1e-08, values=None, inc=1, longname=None, shapes=None, seed=None)[源代码]#
一个用于子类化的通用离散随机变量类。
rv_discrete
是一个基类,用于构造特定分布类和离散随机变量的实例。它也可以用于构造由支持点列表和相应概率定义的任意分布。- 参数:
- afloat, 可选
分布支持的下界,默认值:0
- bfloat, 可选
分布支持的上界,默认值:正无穷大
- moment_tolfloat, 可选
用于通用矩计算的容差。
- valuestuple of two array_like, 可选
(xk, pk)
其中xk
是整数,pk
是 0 和 1 之间的非零概率,且sum(pk) = 1
。xk
和pk
必须具有相同的形状,并且xk
必须是唯一的。- incinteger, 可选
分布支持的增量。 默认值为 1。(尚未测试其他值)
- badvaluefloat, 可选
结果数组中的值,表示违反某些参数限制的值,默认值为 np.nan。
- namestr, 可选
实例的名称。 此字符串用于构造分布的默认示例。
- longnamestr, 可选
当子类没有自己的文档字符串时,此字符串用作返回的文档字符串的第一行的一部分。注意:longname 存在是为了向后兼容,不要用于新的子类。
- shapesstr, 可选
分布的形状。 例如,“m, n”表示将两个整数作为其所有方法的两个形状参数的分布。如果未提供,形状参数将从实例的私有方法
_pmf
和_cdf
的签名中推断。- seed{None, int,
numpy.random.Generator
,numpy.random.RandomState
}, 可选 如果 seed 为 None(或 np.random),则使用
numpy.random.RandomState
单例。 如果 seed 是一个 int,则使用一个新的RandomState
实例,并使用 seed 作为种子。 如果 seed 已经是一个Generator
或RandomState
实例,则使用该实例。
- 属性:
- a, bfloat, 可选
未移位/未缩放分布的支持的下/上限。 此值不受 loc 和 scale 参数的影响。 要计算移位/缩放分布的支持,请使用
support
方法。
方法
rvs
(*args, **kwargs)给定类型的随机变量。
pmf
(k, *args, **kwds)给定 RV 在 k 处的概率质量函数。
logpmf
(k, *args, **kwds)给定 RV 在 k 处的概率质量函数的对数。
cdf
(k, *args, **kwds)给定 RV 的累积分布函数。
logcdf
(k, *args, **kwds)给定 RV 在 k 处的累积分布函数的对数。
sf
(k, *args, **kwds)给定 RV 在 k 处的生存函数 (1 -
cdf
)。logsf
(k, *args, **kwds)给定 RV 的生存函数的对数。
ppf
(q, *args, **kwds)给定 RV 在 q 处的百分点函数(
cdf
的逆函数)。isf
(q, *args, **kwds)给定 RV 在 q 处的逆生存函数(
sf
的逆函数)。moment
(order, *args, **kwds)指定阶数的分布的非中心矩。
stats
(*args, **kwds)给定 RV 的一些统计量。
entropy
(*args, **kwds)RV 的微分熵。
expect
([func, args, loc, lb, ub, ...])通过数值求和计算离散分布的函数相对于分布的期望值。
median
(*args, **kwds)分布的中位数。
mean
(*args, **kwds)分布的平均值。
std
(*args, **kwds)分布的标准差。
var
(*args, **kwds)分布的方差。
interval
(confidence, *args, **kwds)中位数周围具有相等面积的置信区间。
__call__
(*args, **kwds)冻结给定参数的分布。
support
(*args, **kwargs)分布的支持。
注释
此类与
rv_continuous
相似。 形状参数是否有效由_argcheck
方法决定(默认情况下,该方法检查其参数是否严格为正。)主要区别如下。分布的支持是一组整数。
此类定义了概率质量函数
pmf
(以及相应的私有_pmf
),而不是概率密度函数pdf
(以及相应的私有_pdf
)。没有
scale
参数。方法(例如
_cdf
)的默认实现不是为具有向下无界支持(即a=-np.inf
)的分布设计的,因此必须重写它们。
要创建一个新的离散分布,我们将执行以下操作
>>> from scipy.stats import rv_discrete >>> class poisson_gen(rv_discrete): ... "Poisson distribution" ... def _pmf(self, k, mu): ... return exp(-mu) * mu**k / factorial(k)
并创建一个实例
>>> poisson = poisson_gen(name="poisson")
请注意,上面我们以标准形式定义了泊松分布。 移动分布可以通过为实例的方法提供
loc
参数来完成。 例如,poisson.pmf(x, mu, loc)
将工作委托给poisson._pmf(x-loc, mu)
。来自概率列表的离散分布
或者,您可以通过使用
rv_discrete
构造函数的values
关键字参数,构造在有限值集xk
上定义且Prob{X=xk} = pk
的任意离散 rv。深度复制/Pickling
如果深度复制(pickle/unpickle 等)分布或冻结分布,则任何底层随机数生成器都将与其一起深度复制。一个含义是,如果分布在复制之前依赖于单例 RandomState,则在复制后它将依赖于该随机状态的副本,并且
np.random.seed
将不再控制该状态。示例
自定义离散分布
>>> import numpy as np >>> from scipy import stats >>> xk = np.arange(7) >>> pk = (0.1, 0.2, 0.3, 0.1, 0.1, 0.0, 0.2) >>> custm = stats.rv_discrete(name='custm', values=(xk, pk)) >>> >>> import matplotlib.pyplot as plt >>> fig, ax = plt.subplots(1, 1) >>> ax.plot(xk, custm.pmf(xk), 'ro', ms=12, mec='r') >>> ax.vlines(xk, 0, custm.pmf(xk), colors='r', lw=4) >>> plt.show()
随机数生成
>>> R = custm.rvs(size=100)