本文简要介绍 python 语言中 scipy.stats.nchypergeom_fisher
的用法。
用法:
scipy.stats.nchypergeom_fisher = <scipy.stats._discrete_distns.nchypergeom_fisher_gen object>#
Fisher 的非中心超几何离散随机变量。
Fisher 的非中心超几何分布模型从 bin 中绘制两种类型的对象。 M 是对象的总数,n 是 I 类对象的数量,odds 是优势比:当每种类型只有一个对象时,选择 I 类对象而不是 II 类对象的几率。随机变量表示如果我们一次从 bin 中取出少量对象,然后发现我们取出了 N 个对象,则抽取的类型 I 对象的数量。
作为
rv_discrete
类的实例,nchypergeom_fisher
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:
让数学符号
, , 和 对应参数N,n, 和M(分别)如上定义。概率质量函数定义为
对于 , , , , , 其中 , ,
二项式系数定义为
nchypergeom_fisher
使用 Agner Fog 的 BiasedUrn 包,并有权在 SciPy 的许可下分发它。用于表示形状参数的符号 (N,n, 和M) 不被普遍接受;选择它们是为了与scipy.stats.hypergeom.
请注意,Fisher 的非中心超几何分布不同于 Wallenius 的非中心超几何分布,后者对绘制预先确定的N一个箱子中的物品。然而,当优势比为 1 时,两种分布都归结为普通的超几何分布。
上面的概率质量函数以“standardized” 形式定义。要转移分布,请使用
loc
参数。具体来说,nchypergeom_fisher.pmf(k, M, n, N, odds, loc)
等同于nchypergeom_fisher.pmf(k - loc, M, n, N, odds)
。参考:
[1]阿格纳雾,“Biased Urn Theory”。https://cran.r-project.org/web/packages/BiasedUrn/vignettes/UrnTheory.pdf
[2]“Fisher 的非中心超几何分布”,维基百科,https://en.wikipedia.org/wiki/Fisher’s_noncentral_hypergeometric_distribution
例子:
>>> import numpy as np >>> from scipy.stats import nchypergeom_fisher >>> import matplotlib.pyplot as plt >>> fig, ax = plt.subplots(1, 1)
计算前四个时刻:
>>> M, n, N, odds = 140, 80, 60, 0.5 >>> mean, var, skew, kurt = nchypergeom_fisher.stats(M, n, N, odds, moments='mvsk')
显示概率质量函数(
pmf
):>>> x = np.arange(nchypergeom_fisher.ppf(0.01, M, n, N, odds), ... nchypergeom_fisher.ppf(0.99, M, n, N, odds)) >>> ax.plot(x, nchypergeom_fisher.pmf(x, M, n, N, odds), 'bo', ms=8, label='nchypergeom_fisher pmf') >>> ax.vlines(x, 0, nchypergeom_fisher.pmf(x, M, n, N, odds), colors='b', lw=5, alpha=0.5)
或者,可以调用分布对象(作为函数)来固定形状和位置。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
pmf
:>>> rv = nchypergeom_fisher(M, n, N, odds) >>> ax.vlines(x, 0, rv.pmf(x), colors='k', linestyles='-', lw=1, ... label='frozen pmf') >>> ax.legend(loc='best', frameon=False) >>> plt.show()
检查
cdf
和ppf
的准确性:>>> prob = nchypergeom_fisher.cdf(x, M, n, N, odds) >>> np.allclose(x, nchypergeom_fisher.ppf(prob, M, n, N, odds)) True
生成随机数:
>>> r = nchypergeom_fisher.rvs(M, n, N, odds, size=1000)
相关用法
- Python SciPy stats.nchypergeom_wallenius用法及代码示例
- Python SciPy stats.nct用法及代码示例
- Python SciPy stats.ncf用法及代码示例
- Python SciPy stats.ncx2用法及代码示例
- Python SciPy stats.norminvgauss用法及代码示例
- Python SciPy stats.normaltest用法及代码示例
- Python SciPy stats.nbinom用法及代码示例
- Python SciPy stats.nakagami用法及代码示例
- Python SciPy stats.norm用法及代码示例
- Python SciPy stats.nhypergeom用法及代码示例
- Python SciPy stats.anderson用法及代码示例
- Python SciPy stats.iqr用法及代码示例
- Python SciPy stats.genpareto用法及代码示例
- Python SciPy stats.skewnorm用法及代码示例
- Python SciPy stats.cosine用法及代码示例
- Python SciPy stats.directional_stats用法及代码示例
- Python SciPy stats.invwishart用法及代码示例
- Python SciPy stats.bartlett用法及代码示例
- Python SciPy stats.levy_stable用法及代码示例
- Python SciPy stats.page_trend_test用法及代码示例
- Python SciPy stats.itemfreq用法及代码示例
- Python SciPy stats.exponpow用法及代码示例
- Python SciPy stats.gumbel_l用法及代码示例
- Python SciPy stats.chisquare用法及代码示例
- Python SciPy stats.semicircular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.nchypergeom_fisher。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。