我们假设x~泊松（2.5）;我想计算类似E（x | x> 2）的东西。
我认为可以使用.dist.expect运算符完成，即：
D = stats.poisson(2.5)
cond_expect = D.dist.expect(lambda x: x, D.args,lb=2)
此评估为cond_expect = 2.29478750344
但是，如果我只计算该分布中随机样本的平均值
D = stats.poisson(2.5)
test = D.rvs(size = 100000)
empirical_expectation = np.mean(test[test>=2])
empirical_expectation评估为3.20875563063。
如果有人能澄清我对API的误解，我们将不胜感激。
答案 0 :(得分：5)
方法expect采用布尔参数conditional，默认为False。将其设置为True：
cond_expect = D.dist.expect(lambda x: x, D.args, lb=2, conditional=True)
与实证结果一致，返回3.219839256818051。
这是做什么的：
有条件：bool，可选
如果为真，则通过求和间隔的条件概率来校正期望。返回值是函数func的期望，条件是处于给定间隔（k使得ul <= k <= ub）。默认值为False。
所以，如果为False，则得到E(X if X >= 2 else 0)而不是条件期望，通过除以P（X> = 2）来调整：E(X | X >= 2) = E(X if X >= 2 else 0) / P(X >= 2)
我不知道为什么在提供上限或下限时你会想要条件=假，但它是默认值。