Python scipy stats.trapz用法及代码示例

用法：

scipy.stats.trapz(*args, **kwds) = <scipy.stats._continuous_distns.trapz_gen object>

梯形连续随机变量。

作为一个实例rv_continuous类，trapz对象从中继承了通用方法的集合(完整列表请参见下文)，并使用特定于此特定发行版的详细信息来完善它们。

注意：

梯形分布可以用up-sloping线表示loc至(loc + c*scale)，然后恒定为(loc + d*scale)然后从(loc + d*scale)至(loc+scale)。

trapz需要和作为形状参数。

上面的概率密度以“standardized”形式定义。要移动和/或缩放分布，请使用loc和scale参数。特别，trapz.pdf(x, c, d, loc, scale)等同于trapz.pdf(y, c, d) / scale与y = (x - loc) / scale。

在c模式下，标准格式在[0，1]范围内。 location参数将起点移动到loc。比例参数将宽度从1更改为比例。

例子：

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

首先计算一下：

>>> c, d = 0.2, 0.8
>>> mean, var, skew, kurt = trapz.stats(c, d, moments='mvsk')

显示概率密度函数(pdf)：

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

或者，可以调用分发对象(作为函数)以固定形状，位置和比例参数。这将返回固定固定给定参数的“frozen” RV对象。

冻结发行版并显示冻结的pdf：

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

检查的准确性cdf和ppf：

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

生成随机数：

>>> r = trapz.rvs(c, d, size=1000)

并比较直方图：

>>> ax.hist(r, density=True, histtype='stepfilled', alpha=0.2)
>>> ax.legend(loc='best', frameon=False)
>>> plt.show()

方法：

rvs(c, d, loc=0, scale=1, size=1, random_state=None)	随机变量。
pdf(x, c, d, loc=0, scale=1)	概率密度函数。
logpdf(x, c, d, loc=0, scale=1)	概率密度函数的对数。
cdf(x, c, d, loc=0, scale=1)	累积分布函数。
logcdf(x, c, d, loc=0, scale=1)	累积分布函数的日志。
sf(x, c, d, loc=0, scale=1)	生存函数(也定义为1 - cdf，但sf有时更准确)。
logsf(x, c, d, loc=0, scale=1)	生存函数的日志。
ppf(q, c, d, loc=0, scale=1)	百分比点函数(的倒数cdf—百分位数)。
isf(q, c, d, loc=0, scale=1)	逆生存函数(sf)。
moment(n, c, d, loc=0, scale=1)	n阶非中心矩
stats(c, d, loc=0, scale=1, moments=’mv’)	均值(‘m’)，方差(‘v’)，偏斜(‘s’)和/或峰度(‘k’)。
entropy(c, d, loc=0, scale=1)	RV的(微分)熵。
fit(data, c, d, loc=0, scale=1)	通用数据的参数估计。
expect(func, args=(c, d), loc=0, scale=1, lb=None, ub=None, conditional=False, **kwds)	函数(具有一个参数)相对于分布的期望值。
median(c, d, loc=0, scale=1)	分布的中位数。
mean(c, d, loc=0, scale=1)	分布的平均值。
var(c, d, loc=0, scale=1)	分布的差异。
std(c, d, loc=0, scale=1)	分布的标准偏差。
interval(alpha, c, d, loc=0, scale=1)	包含分布的Alpha百分比的范围的端点

源码：

scipy.stats.trapz的API实现见：[源代码]

注：本文由纯净天空筛选整理自 scipy.stats.trapz。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。