-
- :获取该分布的一个或者一组随机值
pdf(x, *args, **kwds)
:概率密度函数在x
处的取值logpdf(x, *args, **kwds)
:概率密度函数在x
处的对数值cdf(x, *args, **kwds)
:累积分布函数在x
处的取值logcdf(x, *args, **kwds)
:累积分布函数在x
处的对数值sf(x, *args, **kwds)
:生存函数在x
处的取值,它等于1-cdf(x)
- :生存函数在
x
处的对数值 isf
(q, *args, **kwds) :生存函数的反函数moment(n, *args, **kwds)
n-th order non-central moment of distribution.stats(*args, **kwds)
:计算随机变量的期望值和方差值等统计量entropy(*args, **kwds)
:随机变量的微分熵expect([func, args, loc, scale, lb, ub, ...])
:计算 的期望值median(*args, **kwds)
:计算该分布的中值mean(*args, **kwds)
:计算该分布的均值std(*args, **kwds)
:计算该分布的标准差var(*args, **kwds)
:计算该分布的方差__call__(*args, **kwds)
:产生一个参数冻结的随机变量fit(data, *args, **kwds)
:对一组随机取样进行拟合,找出最适合取样数据的概率密度函数的系数fit_loc_scale(data, *args)
:Estimate loc and scale parameters from data using 1st and 2nd moments.nnlf(theta, x)
:返回负的似然函数
其中的
args/kwds
参数可能为(具体函数具体分析):arg1, arg2, arg3,...
: array_like.The shape parameter(s) for the distributionloc
: array_like.location parameter (default=0)scale
: array_like.scale parameter (default=1)size
: int or tuple of ints.Defining number of random variates (default is 1).random_state
: None or int or np.random.RandomState instance。If int or RandomState, use it for drawing the random variates. If None, rely on self.random_state. Default is None.