scipy.stats.uniform#

scipy.stats.uniform = <scipy.stats._continuous_distns.uniform_gen object>[来源]#

均匀连续随机变量。

在标准形式中，分布在 [0, 1] 上是均匀的。使用参数 loc 和 scale，即可获得 [loc, loc + scale] 上的均匀分布。

作为 rv_continuous 类的实例，uniform 对象从它那里继承了一组通用方法（详情请见下方完整列表），并用对这种特定分布特有的详细信息对其进行了补充。

范例

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

计算前四个矩

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

显示概率密度函数（pdf）

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

另外，分布对象还可以作为（函数）进行调用，以固定形状、位置和刻度参数。这会返回一个“冻结”的 RV 对象，其中所给定的参数保持不变。

冻结分布并显示冻结的 pdf

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

检查 cdf 和 ppf 的准确性

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

生成随机数

>>> r = uniform.rvs(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-uniform-1.png

方法

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

随机变量。

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

概率密度函数。

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

概率密度函数的对数。

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

累积分布函数。

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

累积分布函数的对数。

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

生存函数（也定义为 1 - cdf，但 sf 有时更准确）。

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

生存函数的对数。

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

百分位数函数（cdf 的逆——百分位数）。

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

逆生存函数（sf 的逆）。

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

指定阶次的不中心矩。

stats(loc=0, scale=1, moments=’mv’)

均值（'m'）、方差（'v'）、偏度（'s'）、以及或峰度（'k'）。

entropy(loc=0, scale=1)

随机变量的（微分）熵。

fit(data)

针对一般数据进行的参数估计。有关关键字参数的详细信息，请参阅 scipy.stats.rv_continuous.fit。

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

分布的函数（一个参数）的期望值。

median(loc=0, scale=1)

分布的中位数。

mean(loc=0, scale=1)

分布的均值。

var(loc=0, scale=1)

分布的方差。

std(loc=0, scale=1)

分布的标准差。

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

中值周围面积相等的置信区间。
本页内容