当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python SciPy stats.rel_breitwigner用法及代码示例


本文简要介绍 python 语言中 scipy.stats.rel_breitwigner 的用法。

用法:

scipy.stats.rel_breitwigner = <scipy.stats._continuous_distns.rel_breitwigner_gen object>#

相对论Breit-Wigner 随机变量。

作为 rv_continuous 类的实例,rel_breitwigner 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

rel_breitwigner 的概率密度函数为

其中

相对论Breit-Wigner 分布在高能物理学中用于模拟共振 [1]。它给出了具有特征质量 和 decay-width 的共振的不变质量 [2] 的不确定性,其中 以自然单位表示。在 SciPy 的参数化中,形状参数 等于 并采用 中的值。

同样,相对论Breit-Wigner分布据说给出了center-of-mass能量 的不确定性。在自然单位中,光速 等于1,不变质量 等于静止能量 。在center-of-mass帧中,剩余能量等于总能量[3]。

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 locscale 参数。具体来说,rel_breitwigner.pdf(x, rho, loc, scale) 等同于 rel_breitwigner.pdf(y, rho) / scaley = (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。

是比例参数。例如,如果想要用 [4] 建模 玻色子,可以设置 rho=91.1876/2.4952scale=2.4952

为了确保在使用 fit 方法时获得物理上有意义的结果,应设置 floc=0 将位置参数固定为 0。

参考

[1]

相对论 Breit-Wigner 分布,维基百科,https://en.wikipedia.org/wiki/Relativistic_Breit-Wigner_distribution

[2]

不变质量,维基百科,https://en.wikipedia.org/wiki/Invariant_mass

[3]

Center-of-momentum 框架,维基百科,https://en.wikipedia.org/wiki/Center-of-momentum_frame

[4]

M.Tanabashi 等人。 (粒子数据组)物理。 Rev. D 98, 030001 - 2018 年 8 月 17 日发布

例子

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

计算前四个时刻:

>>> rho = 36.5
>>> mean, var, skew, kurt = rel_breitwigner.stats(rho, moments='mvsk')

显示概率密度函数(pdf):

>>> x = np.linspace(rel_breitwigner.ppf(0.01, rho),
...                 rel_breitwigner.ppf(0.99, rho), 100)
>>> ax.plot(x, rel_breitwigner.pdf(x, rho),
...        'r-', lw=5, alpha=0.6, label='rel_breitwigner 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 = rel_breitwigner(rho)
>>> ax.plot(x, rv.pdf(x), 'k-', lw=2, label='frozen pdf')

检查 cdfppf 的准确性:

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

生成随机数:

>>> r = rel_breitwigner.rvs(rho, 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()
scipy-stats-rel_breitwigner-1.png

相关用法


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.rel_breitwigner。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。