scipy.stats.Mixture.
pdf#
- Mixture.pdf(x, /, *, method=None)[原始碼]#
機率密度函數
機率密度函數（“PDF”），以 \(f(x)\) 表示，是隨機變數將取值 \(x\) 的每單位長度機率。在數學上，它可以定義為累積分布函數 \(F(x)\) 的導數
\[f(x) = \frac{d}{dx} F(x)\]pdf接受 x 作為 \(x\) 的輸入。- 參數:
- xarray_like
PDF 的引數。
- method{None, ‘formula’, ‘logexp’}
用於評估 PDF 的策略。預設值（
None）時，基礎架構會在以下選項之間選擇，依優先順序排列。'formula'：使用 PDF 本身的公式'logexp'：評估對數 PDF 並取指數
並非所有發行版都提供所有 method 選項。如果選定的 method 不可用，將引發
NotImplementedError。
- 回傳值:
- outarray
在引數 x 處評估的 PDF。
註解
假設一個連續機率分布具有 support \([l, r]\)。根據 support 的定義，PDF 在 support 之外（即對於 \(x < l\) 或 \(x > r\)）評估為其最小值 \(0\)。 PDF 的最大值可能小於或大於 \(1\)；由於該值是機率密度，因此只有其在 support 上的積分必須等於 \(1\)。
參考文獻
[1]機率密度函數，維基百科，https://en.wikipedia.org/wiki/Probability_density_function
範例
使用所需的參數實例化分布
>>> from scipy import stats >>> X = stats.Uniform(a=-1., b=1.)
在所需的引數處評估 PDF
>>> X.pdf(0.25) 0.5