scipy.stats.logser

scipy.stats.logser = object>

Логарифмическая (логарифмически-рядовая, рядовая) дискретная случайная величина.

Как экземпляр rv_discrete класс, logser объект наследует от него коллекцию общих методов (см. ниже полный список), и дополняет их деталями, специфичными для этого конкретного распределения.

Методы

rvs(p, loc=0, size=1, random_state=None)	Случайные величины.
pmf(k, p, loc=0)	Функция вероятности массы.
logpmf(k, p, loc=0)	Логарифм функции вероятности.
cdf(k, p, loc=0)	Интегральная функция распределения.
logcdf(k, p, loc=0)	Логарифм функции кумулятивного распределения.
sf(k, p, loc=0)	Функция выживания (также определяется как 1 - cdf, но sf иногда более точный).
logsf(k, p, loc=0)	Логарифм функции выживания.
ppf(q, p, loc=0)	Процентная точка функции (обратная cdf — процентили).
isf(q, p, loc=0)	Обратная функция выживания (обратная к sf).
stats(p, loc=0, moments=’mv’)	Среднее ('m'), дисперсия ('v'), асимметрия ('s') и/или эксцесс ('k').
entropy(p, loc=0)	(Дифференциальная) энтропия случайной величины.
expect(func, args=(p,), loc=0, lb=None, ub=None, conditional=False)	Ожидаемое значение функции (одного аргумента) относительно распределения.
median(p, loc=0)	Медиана распределения.
mean(p, loc=0)	Среднее распределения.
var(p, loc=0)	Дисперсия распределения.
std(p, loc=0)	Стандартное отклонение распределения.
interval(confidence, p, loc=0)	Доверительный интервал с равными площадями вокруг медианы.

Примечания

Функция вероятности массы для logser равен:

\[f(k) = - \frac{p^k}{k \log(1-p)}\]

для \(k \ge 1\), \(0 < p < 1\)

logser принимает \(p\) в качестве параметра формы, где \(p\) является вероятностью единичного успеха и \(1-p\) это вероятность единичного отказа.

Функция вероятности массы выше определена в «стандартизированной» форме. Для сдвига распределения используйте loc параметра. В частности, logser.pmf(k, p, loc) тождественно эквивалентно logser.pmf(k - loc, p).

Примеры

Попробуйте в вашем браузере!

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

Получить поддержку:

>>> p = 0.6
>>> lb, ub = logser.support(p)

Вычислить первые четыре момента:

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

Отображение функции вероятности массы (pmf):

>>> x = np.arange(logser.ppf(0.01, p),
...               logser.ppf(0.99, p))
>>> ax.plot(x, logser.pmf(x, p), 'bo', ms=8, label='logser pmf')
>>> ax.vlines(x, 0, logser.pmf(x, p), colors='b', lw=5, alpha=0.5)

Альтернативно, объект распределения может быть вызван (как функция) для фиксации формы и положения. Это возвращает «замороженный» объект RV, содержащий заданные фиксированные параметры.

Зафиксировать распределение и отобразить зафиксированное pmf:

>>> rv = logser(p)
>>> ax.vlines(x, 0, rv.pmf(x), colors='k', linestyles='-', lw=1,
...         label='frozen pmf')
>>> ax.legend(loc='best', frameon=False)
>>> plt.show()

Проверить точность cdf и ppf:

>>> prob = logser.cdf(x, p)
>>> np.allclose(x, logser.ppf(prob, p))
True

Генерировать случайные числа:

>>> r = logser.rvs(p, size=1000)

НазадОткрыть во вкладке