Python SciPy stats.uniform用法及代碼示例

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

用法:

scipy.stats.uniform = <scipy.stats._continuous_distns.uniform_gen object>#

一個均勻的連續隨機變量。

在標準形式中，分布在 [0, 1] 上是均勻的。使用參數 loc 和 scale ，可以得到 [loc, loc + scale] 上的均勻分布。

作為 rv_continuous 類的實例，uniform 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。

例子：

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

計算前四個時刻：

>>> mean, var, skew, kurt = uniform.stats(moments='mvsk')

顯示概率密度函數(pdf)：

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

檢查 cdf 和 ppf 的準確性：

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

生成隨機數：

>>> r = uniform.rvs(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()