Python scipy stats.trapz用法及代碼示例

用法：

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

梯形連續隨機變量。

作為一個實例rv_continuous類，trapz對象從中繼承了通用方法的集合(完整列表請參見下文)，並使用特定於此特定發行版的詳細信息來完善它們。

注意：

梯形分布可以用up-sloping線表示loc至(loc + c*scale)，然後恒定為(loc + d*scale)然後從(loc + d*scale)至(loc+scale)。

trapz需要和作為形狀參數。

上麵的概率密度以“standardized”形式定義。要移動和/或縮放分布，請使用loc和scale參數。特別，trapz.pdf(x, c, d, loc, scale)等同於trapz.pdf(y, c, d) / scale與y = (x - loc) / scale。

在c模式下，標準格式在[0，1]範圍內。 location參數將起點移動到loc。比例參數將寬度從1更改為比例。

例子：

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

首先計算一下：

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

顯示概率密度函數(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，可以調用分發對象(作為函數)以固定形狀，位置和比例參數。這將返回固定固定給定參數的“frozen” RV對象。

凍結發行版並顯示凍結的pdf：

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

檢查的準確性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

生成隨機數：

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

並比較直方圖：

>>> 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)	隨機變量。
pdf(x, c, d, loc=0, scale=1)	概率密度函數。
logpdf(x, c, d, loc=0, scale=1)	概率密度函數的對數。
cdf(x, c, d, loc=0, scale=1)	累積分布函數。
logcdf(x, c, d, loc=0, scale=1)	累積分布函數的日誌。
sf(x, c, d, loc=0, scale=1)	生存函數(也定義為1 - cdf，但sf有時更準確)。
logsf(x, c, d, loc=0, scale=1)	生存函數的日誌。
ppf(q, c, d, loc=0, scale=1)	百分比點函數(的倒數cdf—百分位數)。
isf(q, c, d, loc=0, scale=1)	逆生存函數(sf)。
moment(n, c, d, loc=0, scale=1)	n階非中心矩
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)	通用數據的參數估計。
expect(func, args=(c, d), loc=0, scale=1, lb=None, ub=None, conditional=False, **kwds)	函數(具有一個參數)相對於分布的期望值。
median(c, d, loc=0, scale=1)	分布的中位數。
mean(c, d, loc=0, scale=1)	分布的平均值。
var(c, d, loc=0, scale=1)	分布的差異。
std(c, d, loc=0, scale=1)	分布的標準偏差。
interval(alpha, c, d, loc=0, scale=1)	包含分布的Alpha百分比的範圍的端點

源碼：

scipy.stats.trapz的API實現見：[源代碼]

注：本文由純淨天空篩選整理自 scipy.stats.trapz。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。