scipy.stats.halfgennorm#

scipy.stats.halfgennorm = <scipy.stats._continuous_distns.halfgennorm_gen object>[源代码]#

广义正态连续随机变量的上半部分。

作为 rv_continuous 类的一个实例，halfgennorm 对象继承了它的一系列通用方法（完整列表见下文），并根据此特定分布的细节对其进行了补充。

方法

rvs(beta, loc=0, scale=1, size=1, random_state=None)

随机变量。

pdf(x, beta, loc=0, scale=1)

概率密度函数。

logpdf(x, beta, loc=0, scale=1)

概率密度函数的对数。

cdf(x, beta, loc=0, scale=1)

累积分布函数。

logcdf(x, beta, loc=0, scale=1)

累积分布函数的对数。

sf(x, beta, loc=0, scale=1)

生存函数 (也定义为 1 - cdf，但 sf 有时更精确)。

logsf(x, beta, loc=0, scale=1)

生存函数的对数。

ppf(q, beta, loc=0, scale=1)

百分点函数（cdf 的逆函数 — 百分位数）。

isf(q, beta, loc=0, scale=1)

逆生存函数（sf 的逆函数）。

moment(order, beta, loc=0, scale=1)

指定阶数的非中心矩。

stats(beta, loc=0, scale=1, moments=’mv’)

均值(‘m’)、方差(‘v’)、偏度(‘s’) 和/或 峰度(‘k’)。

entropy(beta, loc=0, scale=1)

（微分）随机变量的熵。

fit(data)

通用数据的参数估计。有关关键字参数的详细文档，请参见 scipy.stats.rv_continuous.fit 。

expect(func, args=(beta,), loc=0, scale=1, lb=None, ub=None, conditional=False, **kwds)

函数（单参数）相对于分布的期望值。

median(beta, loc=0, scale=1)

分布的中位数。

mean(beta, loc=0, scale=1)

分布的均值。

var(beta, loc=0, scale=1)

分布的方差。

std(beta, loc=0, scale=1)

分布的标准差。

interval(confidence, beta, loc=0, scale=1)

在中位数周围等面积的置信区间。

参见

gennorm

广义正态分布

expon

指数分布

halfnorm

半正态分布

注释

halfgennorm 的概率密度函数为：

\[f(x, \beta) = \frac{\beta}{\Gamma(1/\beta)} \exp(-|x|^\beta)\]

对于 \(x, \beta > 0\)。\(\Gamma\) 是伽马函数（scipy.special.gamma）。

halfgennorm 以 beta 作为 \(\beta\) 的形状参数。对于 \(\beta = 1\)，它与指数分布相同。对于 \(\beta = 2\)，它与半正态分布相同（带有 scale=1/sqrt(2)）。

参考文献

示例

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

计算前四个矩：

>>> beta = 0.675
>>> mean, var, skew, kurt = halfgennorm.stats(beta, moments='mvsk')

显示概率密度函数 (pdf)：

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

或者，分布对象可以被调用（作为一个函数）来固定形状、位置和尺度参数。这将返回一个持有给定参数固定的“冻结”RV对象。

冻结分发并显示冻结的 pdf：

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

检查 cdf 和 ppf 的准确性：

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

生成随机数：

>>> r = halfgennorm.rvs(beta, 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()
../../_images/scipy-stats-halfgennorm-1.png
On this page