Python SciPy stats.tukeylambda用法及代碼示例

本文簡要介紹 python 語言中 scipy.stats.tukeylambda 的用法。

用法:

scipy.stats.tukeylambda = <scipy.stats._continuous_distns.tukeylambda_gen object>#

Tukey-Lamdba 連續隨機變量。

作為 rv_continuous 類的實例，tukeylambda 對象從它繼承了一組通用方法(完整列表見下文)，並用特定於此特定發行版的詳細信息來完成它們。

注意：

一個靈活的分布，能夠表示和插值以下分布：

• 柯西 (\(lambda = -1\))

• 後勤(\(lambda = 0\))

• 大約正常(\(lambda = 0.14\))

• 從 -1 到 1 的統一(\(lambda = 1\))

tukeylambda 采用實數\(lambda\)(在實現中表示為lam)作為形狀參數。

上麵的概率密度在“standardized” 表格中定義。要移動和/或縮放分布，請使用 loc 和 scale 參數。具體來說，tukeylambda.pdf(x, lam, loc, scale) 等同於 tukeylambda.pdf(y, lam) / scale 和 y = (x - loc) / scale 。請注意，移動分布的位置不會使其成為“noncentral” 分布；某些分布的非中心概括可在單獨的類中獲得。

例子：

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

計算前四個時刻：

>>> lam = 3.13
>>> mean, var, skew, kurt = tukeylambda.stats(lam, moments='mvsk')

顯示概率密度函數(pdf)：

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

或者，可以調用分布對象(作為函數)來固定形狀、位置和比例參數。這將返回一個 “frozen” RV 對象，其中包含固定的給定參數。

凍結分布並顯示凍結的 pdf ：

>>> rv = tukeylambda(lam)
>>> ax.plot(x, rv.pdf(x), 'k-', lw=2, label='frozen pdf')

檢查 cdf 和 ppf 的準確性：

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

生成隨機數：

>>> r = tukeylambda.rvs(lam, size=1000)

並比較直方圖：

>>> 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()