本文简要介绍 python 语言中 scipy.stats.burr12
的用法。
用法:
scipy.stats.burr12 = <scipy.stats._continuous_distns.burr12_gen object>#
Burr (Type XII) 连续随机变量。
作为
rv_continuous
类的实例,burr12
对象从它继承了一组通用方法(完整列表见下文),并用特定于此特定发行版的详细信息来完成它们。注意:
burr12
的概率密度函数为:对于 和 。
burr12
将c
和d
作为 和 的形状参数。这是 Burr 列表中给出的第十二个 CDF 对应的 PDF;具体来说,就是 Burr 的论文 [1] 中的方程 (20)。
上面的概率密度在“standardized” 表格中定义。要移动和/或缩放分布,请使用
loc
和scale
参数。具体来说,burr12.pdf(x, c, d, loc, scale)
等同于burr12.pdf(y, c, d) / scale
和y = (x - loc) / scale
。请注意,移动分布的位置不会使其成为“noncentral” 分布;某些分布的非中心概括可在单独的类中获得。Burr 12 型分布有时也称为 NIST [2] 中的 Singh-Maddala 分布。
参考:
[1]Burr, I. W. “Cumulative frequency functions”,《数理统计年鉴》,13(2),第 215-232 页 (1942)。
[3]“Burr distribution”、https://en.wikipedia.org/wiki/Burr_distribution
例子:
>>> import numpy as np >>> from scipy.stats import burr12 >>> import matplotlib.pyplot as plt >>> fig, ax = plt.subplots(1, 1)
计算前四个时刻:
>>> c, d = 10, 4 >>> mean, var, skew, kurt = burr12.stats(c, d, moments='mvsk')
显示概率密度函数(
pdf
):>>> x = np.linspace(burr12.ppf(0.01, c, d), ... burr12.ppf(0.99, c, d), 100) >>> ax.plot(x, burr12.pdf(x, c, d), ... 'r-', lw=5, alpha=0.6, label='burr12 pdf')
或者,可以调用分布对象(作为函数)来固定形状、位置和比例参数。这将返回一个 “frozen” RV 对象,其中包含固定的给定参数。
冻结分布并显示冻结的
pdf
:>>> rv = burr12(c, d) >>> ax.plot(x, rv.pdf(x), 'k-', lw=2, label='frozen pdf')
检查
cdf
和ppf
的准确性:>>> vals = burr12.ppf([0.001, 0.5, 0.999], c, d) >>> np.allclose([0.001, 0.5, 0.999], burr12.cdf(vals, c, d)) True
生成随机数:
>>> r = burr12.rvs(c, d, 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()
相关用法
- Python SciPy stats.burr用法及代码示例
- Python SciPy stats.bartlett用法及代码示例
- Python SciPy stats.boltzmann用法及代码示例
- Python SciPy stats.brunnermunzel用法及代码示例
- Python SciPy stats.betaprime用法及代码示例
- Python SciPy stats.betabinom用法及代码示例
- Python SciPy stats.boxcox_normplot用法及代码示例
- Python SciPy stats.boxcox用法及代码示例
- Python SciPy stats.binned_statistic_2d用法及代码示例
- Python SciPy stats.binned_statistic用法及代码示例
- Python SciPy stats.bayes_mvs用法及代码示例
- Python SciPy stats.boxcox_normmax用法及代码示例
- Python SciPy stats.boschloo_exact用法及代码示例
- Python SciPy stats.bootstrap用法及代码示例
- Python SciPy stats.binom用法及代码示例
- Python SciPy stats.bws_test用法及代码示例
- Python SciPy stats.beta用法及代码示例
- Python SciPy stats.bradford用法及代码示例
- Python SciPy stats.binomtest用法及代码示例
- Python SciPy stats.binned_statistic_dd用法及代码示例
- Python SciPy stats.boxcox_llf用法及代码示例
- Python SciPy stats.binom_test用法及代码示例
- Python SciPy stats.bernoulli用法及代码示例
- Python SciPy stats.barnard_exact用法及代码示例
- Python SciPy stats.anderson用法及代码示例
注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.stats.burr12。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。