scipy.stats.

rv_histogram

класс scipy.stats.rv_histogram(гистограмма, *args, плотность=None, **kwargs)

Генерирует распределение, заданное гистограммой. Это полезно для создания шаблонного распределения из бинированной выборки данных.

Как подкласс rv_continuous класс, rv_histogram наследует от него набор общих методов (см. rv_continuous для полного списка) и реализует их на основе свойств предоставленного бинированного набора данных.

Параметры:

гистограммакортеж из array_like

Кортеж, содержащий два объекта array_like. Первый содержит содержимое n бинов, второй содержит (n+1) границ бинов. В частности, возвращаемое значение numpy.histogram принимается.

плотностьbool, необязательно

Если False, предполагает, что гистограмма пропорциональна количеству на бине; в противном случае предполагает, что она пропорциональна плотности. Для постоянной ширины бинов они эквивалентны, но различие важно, когда ширина бинов варьируется (см. Примечания). Если None (по умолчанию), устанавливает density=True для обратной совместимости, но предупреждает, если ширина бинов переменная. Установите плотность явно чтобы отключить предупреждение.

Добавлено в версии 1.10.0.

Атрибуты:

random_state

Получить или установить объект-генератор для генерации случайных величин.

Методы

__call__(*args, **kwds)	Зафиксировать распределение для заданных аргументов.
cdf(x, *args, **kwds)	Функция кумулятивного распределения заданной случайной величины.
entropy(*args, **kwds)	Дифференциальная энтропия случайной величины.
expect([func, args, loc, scale, lb, ub, ...])	Вычислить математическое ожидание функции относительно распределения методом численного интегрирования.
fit(data, *args, **kwds)	Вернуть оценки параметров формы (если применимо), местоположения и масштаба из данных.
fit_loc_scale(data, *args)	Оценить параметры loc и scale из данных, используя 1-й и 2-й моменты.
freeze(*args, **kwds)	Зафиксировать распределение для заданных аргументов.
interval(confidence, *args, **kwds)	Доверительный интервал с равными площадями вокруг медианы.
isf(q, *args, **kwds)	Обратная функция выживания (обратная к sf) при q заданного случайного распределения.
logcdf(x, *args, **kwds)	Логарифм функции кумулятивного распределения в точке x для заданного случайного распределения.
logpdf(x, *args, **kwds)	Логарифм функции плотности вероятности в x для данного случайного распределения.
logsf(x, *args, **kwds)	Логарифм функции выживания данного случайного вектора.
mean(*args, **kwds)	Среднее распределения.
median(*args, **kwds)	Медиана распределения.
moment(order, *args, **kwds)	нецентральный момент распределения указанного порядка.
nnlf(theta, x)	Функция отрицательного логарифма правдоподобия.
pdf(x, *args, **kwds)	Функция плотности вероятности в точке x для заданной случайной величины.
ppf(q, *args, **kwds)	Процентная точка функции (обратная cdf) при q заданного случайного распределения.
rvs(*args, **kwds)	Случайные величины заданного типа.
sf(x, *args, **kwds)	Функция выживания (1 - cdf) в точке x заданного случайного распределения.
stats(*args, **kwds)	Некоторые статистики заданного случайного вектора.
std(*args, **kwds)	Стандартное отклонение распределения.
support(*args, **kwargs)	Носитель распределения.
var(*args, **kwds)	Дисперсия распределения.

Примечания

Когда гистограмма имеет неравные ширины бинов, существует различие между гистограммами, пропорциональными количеству на бин, и гистограммами, пропорциональными плотности вероятности в бине. Если numpy.histogram вызывается со значением по умолчанию density=False, результирующая гистограмма - это количество отсчётов на бине, поэтому density=False должен быть передан в rv_histogram. Если numpy.histogram вызывается с density=True, полученная гистограмма выражена в терминах плотности вероятности, поэтому density=True должен быть передан в rv_histogram. Чтобы избежать предупреждений, всегда передавайте density явно, когда входная гистограмма имеет неравные ширины бинов.

Нет дополнительных параметров формы, кроме loc и scale. Функция плотности вероятности определена как кусочно-постоянная функция на основе предоставленной гистограммы. Функция распределения является линейной интерполяцией функции плотности вероятности.

Добавлено в версии 0.19.0.

Примеры

Попробуйте в вашем браузере!

Создание распределения scipy.stats из гистограммы numpy

>>> import scipy.stats
>>> import numpy as np
>>> data = scipy.stats.norm.rvs(size=100000, loc=0, scale=1.5,
...                             random_state=123)
>>> hist = np.histogram(data, bins=100)
>>> hist_dist = scipy.stats.rv_histogram(hist, density=False)

Ведёт себя как обычное распределение scipy rv_continuous

>>> hist_dist.pdf(1.0)
0.20538577847618705
>>> hist_dist.cdf(2.0)
0.90818568543056499

PDF равен нулю выше (ниже) самого высокого (низкого) бина гистограммы, определённого максимумом (минимумом) исходного набора данных

>>> hist_dist.pdf(np.max(data))
0.0
>>> hist_dist.cdf(np.max(data))
1.0
>>> hist_dist.pdf(np.min(data))
7.7591907244498314e-05
>>> hist_dist.cdf(np.min(data))
0.0

PDF и CDF следуют гистограмме

>>> import matplotlib.pyplot as plt
>>> X = np.linspace(-5.0, 5.0, 100)
>>> fig, ax = plt.subplots()
>>> ax.set_title("PDF from Template")
>>> ax.hist(data, density=True, bins=100)
>>> ax.plot(X, hist_dist.pdf(X), label='PDF')
>>> ax.plot(X, hist_dist.cdf(X), label='CDF')
>>> ax.legend()
>>> fig.show()

НазадОткрыть во вкладке