用法:
scipy.stats.arcsine = <scipy.stats._continuous_distns.arcsine_gen object>
反正弦连续随机变量。
作为
rv_continuous
arcsine
注意:
arcsine
对于 。
上面的概率密度在“standardized” 表格中定义。要移动和/或缩放分布,请使用
loc
和scale
参数。具体来说,arcsine.pdf(x, loc, scale)
等同于arcsine.pdf(y) / scale
和y = (x - loc) / scale
。请注意,移动分布的位置不会使其成为“noncentral” 分布;某些分布的非中心概括可在单独的类中获得。例子:
>>> from scipy.stats import arcsine >>> import matplotlib.pyplot as plt >>> fig, ax = plt.subplots(1, 1)
计算前四个时刻:
>>> mean, var, skew, kurt = arcsine.stats(moments='mvsk')
显示概率密度函数(
pdf
):>>> x = np.linspace(arcsine.ppf(0.01), ... arcsine.ppf(0.99), 100) >>> ax.plot(x, arcsine.pdf(x), ... 'r-', lw=5, alpha=0.6, label='arcsine pdf')
或者,可以调用分布对象(作为函数)来固定形状、位置和比例参数。这将返回一个 “frozen” RV 对象,其中包含固定的给定参数。
冻结分布并显示冻结的
pdf
:>>> rv = arcsine() >>> ax.plot(x, rv.pdf(x), 'k-', lw=2, label='frozen pdf')
检查
cdf
和ppf
的准确性:>>> vals = arcsine.ppf([0.001, 0.5, 0.999]) >>> np.allclose([0.001, 0.5, 0.999], arcsine.cdf(vals)) True
生成随机数:
>>> r = arcsine.rvs(size=1000)
并比较直方图:
>>> ax.hist(r, density=True, histtype='stepfilled', alpha=0.2) >>> ax.legend(loc='best', frameon=False) >>> plt.show()
相关用法
- Python scipy.stats.argus用法及代码示例
- Python scipy.stats.alexandergovern用法及代码示例
- Python scipy.stats.ansari用法及代码示例
- Python scipy.stats.anglit用法及代码示例
- Python scipy.stats.alpha用法及代码示例
- Python scipy.stats.anderson_ksamp用法及代码示例
- Python scipy.stats.mood用法及代码示例
- Python scipy.stats.normaltest用法及代码示例
- Python scipy.stats.zipfian用法及代码示例
- Python scipy.stats.sampling.TransformedDensityRejection用法及代码示例
- Python scipy.stats.genpareto用法及代码示例
- Python scipy.stats.qmc.QMCEngine用法及代码示例
- Python scipy.stats.beta用法及代码示例
- Python scipy.stats.expon用法及代码示例
- Python scipy.stats.qmc.Halton用法及代码示例
- Python scipy.stats.trapezoid用法及代码示例
- Python scipy.stats.mstats.variation用法及代码示例
- Python scipy.stats.qmc.LatinHypercube用法及代码示例
- Python scipy.stats.betabinom用法及代码示例
- Python scipy.stats.vonmises用法及代码示例
注:本文由堆栈答案筛选整理自scipy.org大神的英文原创作品 scipy.stats.arcsine。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。