scipy.stats.rv_discrete.expect¶
- rv_discrete.expect(func=None, args=(), loc=0, lb=None, ub=None, conditional=False, maxcount=1000, tolerance=1e-10, chunksize=32)[源代码]¶
通过数值求和计算函数相对于离散分布分布的期望值。
- 参数
- func可调用,可选
为其计算期望值的函数。只需要一个参数。默认值为身份映射f(K)=k。
- args元组,可选
分布的形状参数。
- loc浮动,可选
位置参数。默认值为0。
- Lb、Ub整型,可选
求和的上下限,默认设置为支持分布,包括 (
lb <= k <= ub
)。- conditional布尔值,可选
如果为真,则通过求和间隔的条件概率来校正期望值。返回值是函数的期望值, func ,条件是处于给定间隔(k,使得
lb <= k <= ub
)。默认值为False。- maxcount整型,可选
要计算的最大项数(以避免无限和的无休止循环)。默认值为1000。
- tolerance浮动,可选
总和的绝对容差。默认值为1e-10。
- chunksize整型,可选
在这种大小的块中迭代a分布的支持。默认值为32。
- 退货
- expect浮动
期望值。
注意事项
对于重尾分布,期望值可能存在也可能不存在,具体取决于函数, func 。如果它确实存在,但总和收敛缓慢,则结果的准确性可能会相当低。例如,对于
zipf(4)
算例中均值、方差的精度仅为1e-5。增加 maxcount 和/或 chunksize 可能会改善结果,但也可能会使Zipf变得非常慢。该函数未矢量化。