scipy.stats.multivariate_t¶

scipy.stats.multivariate_t = <scipy.stats._multivariate.multivariate_t_gen object>[源代码]¶

多元t分布随机变量。

这个 loc 参数指定位置。这个 shape 参数指定半正定形状矩阵。这个 df 参数指定自由度。

除了调用下面的方法之外，还可以将对象本身作为函数调用，以固定位置、形状矩阵和自由度参数，返回“冻结”的多变量t分布随机。

参数

xarray_like: 分位数，最后一个轴为 x 表示组件。
locARRAY_LIKE，可选: 分发的位置。(默认 0 )
shapeARRAY_LIKE，可选: 分布的半正定矩阵。(默认 1 )
df浮动，可选: 分布的自由度；必须大于零。如果 np.inf 那么结果是多元正态的。默认值为 1 。
allow_singular布尔值，可选: 是否允许使用奇异矩阵。(默认 False )
random_state ：{无，整型， numpy.random.Generator ，{无，整型，: numpy.random.RandomState }，可选

如果 seed 为无(或 np.random )、 numpy.random.RandomState 使用的是Singleton。如果 seed 是一个整型、一个新的 RandomState 实例，其种子设定为 seed 。如果 seed 已经是一个 Generator 或 RandomState 实例，则使用该实例。

注意事项

设置参数 loc 至 None 相当于拥有 loc 做零矢量。该参数 shape 可以是标量，在这种情况下，形状矩阵是该值的单位乘以、形状矩阵的对角条目向量或二维array_like。矩阵 shape 必须是(对称)半正定矩阵。的行列式和逆式 shape 分别作为伪行列式和伪逆计算，因此 shape 不需要拥有完整的级别。

的概率密度函数 multivariate_t 是

\[F(X)=\FRAC{\伽马(\nu+p)/2}{\Gamma(\nu/2)\nu^{p/2}\pi^{p/2}|\Sigma|^{1/2}} \Left[1+\frac{1}{\nu}(\mathbf{x}-\boldbol{\mu})^{\top} \boldSymbol{\Sigma}^{-1} (\mathbf{x}-\boldbol{\mu})\right]^{-(\nu+p)/2}，\]

哪里 \(p\) 是的维度 \(\mathbf{{x}}\) ， \(\boldsymbol{{\mu}}\) 是不是 \(p\) -空间位置， \(\boldsymbol{{\Sigma}}\) 这个 \(p \times p\) -维形状矩阵，以及 \(\nu\) 就是自由度。

1.6.0 新版功能.

示例

>>> import matplotlib.pyplot as plt
>>> from scipy.stats import multivariate_t
>>> x, y = np.mgrid[-1:3:.01, -2:1.5:.01]
>>> pos = np.dstack((x, y))
>>> rv = multivariate_t([1.0, -0.5], [[2.1, 0.3], [0.3, 1.5]], df=2)
>>> fig, ax = plt.subplots(1, 1)
>>> ax.set_aspect('equal')
>>> plt.contourf(x, y, rv.pdf(pos))

../../_images/scipy-stats-multivariate_t-1.png

方法：

``pdf(x, loc=None, shape=1, df=1, allow_singular=False)``	概率密度函数。
``logpdf(x, loc=None, shape=1, df=1, allow_singular=False)``	概率密度函数的对数。
``rvs(loc=None, shape=1, df=1, size=1, random_state=None)``	从多元t分布中随机抽取样本。

scipy.stats.random_correlation

scipy.stats.multivariate_hypergeom