Question

如果我使用scipy.stats.rv_discrete手动创建离散随机变量，我可以通过提供下限，上限和增量来控制其支持（它可以获得的可能值）（尽管后者是{ {3}}），或提供具体的values参数。

这些方法实际上并不构造一个随机变量，而是构造一个离散的分布，通过调用它可以构造一个随机变量。给定一个随机变量，它是通过以这种方式给出具体的values=构造的分布构造的，我可以通过检查rv.dist.xk找出它的支持（事实上，这还不够;如果values=包含零概率，我们应该检查rv.dist.xk和rv.dist.pk以从支持中丢弃零概率值。但是，这种方法不适用于我们尚未定义且未使用values=方法定义的一般离散随机变量。

是否有一般方法可以返回离散随机变量的支持集？ 单一方法，适用于使用rv_discrete 和为scipy.stats模块中定义的所有离散随机变量生成的所有离散随机变量，例如{ {1}}？

Answer 1

我们可以从scipy.stats.distribution的反向cdf，ppf获得分布支持的下限和上限。

根据定义，ppf(0)返回cdf为零的最大整数，因此下限大于1.

如果我没记错的话，那么代码不会检查用户是否为使用(xk, pk)的用户明确定义的离散分布添加了零概率事件。

>>> stats.binom.ppf([0, 1], 20, 0.4)
array([ -1.,  20.])

>>> stats.geom.ppf([0, 1], 0.4)
array([  0.,  inf])

>>> stats.hypergeom.ppf([0, 1], 20, 15, 10)
array([  4.,  10.])

>>> stats.bernoulli.ppf([0, 1], 0.5)
array([-1.,  1.])

分发具有.a和.b属性，用于定义下限。但是，如果支持取决于参数，则显示设置它的最后一次调用的边界。这些也是loc=0标准分布的界限，也是scale=1的连续分布范围。

只有才能使用此功能，如果您想熟悉实施的详细信息，并且不介意寻找一些难以发现的错误。它主要供内部使用。

>>> stats.hypergeom.ppf([0, 1], 20, 15, 10)
array([  4.,  10.])
>>> stats.hypergeom.a, stats.hypergeom.b
(5, array(10))

# WRONG, stale state ! 
>>> stats.hypergeom(20, 16, 10).dist.a, stats.hypergeom(20, 16, 10).dist.b   
(5, array(10))

>>> stats.hypergeom(20, 16, 10).ppf(0)
5.0
>>> stats.hypergeom(20, 16, 10).dist.a, stats.hypergeom(20, 16, 10).dist.b
(6, array(10))

鉴于＆＃34;冷冻＆＃34; SciPy离散随机变量，我怎么知道它的支持？

1 个答案: