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。