scipy.stats.Uniform.

支援#

Uniform.support()[source]#

隨機變數的支援

隨機變數的支援是所有可能結果的集合；也就是說，機率密度函數 \(f(x)\) 為非零值的引數 \(x\) 定義域的子集。

此函數會傳回支援的下限和上限。

傳回值:

另請參閱

說明

假設一個連續機率分佈具有支援 (l, r)。下表總結了 ContinuousDistribution 方法針對支援範圍外引數傳回的值。

對於 cdf 和相關方法，不等式不必是嚴格的；也就是說，當方法在對應邊界評估時，會傳回表格值。

下表總結了 ContinuousDistribution 的反向方法針對定義域 0 到 1 邊界上的引數傳回的值。

方法	`x = 0`	`x = 1`
`icdf(x)`	`l`	`r`
`icdf(x)`	`r`	`l`

對於反向對數函數，當 x = log(0) 和 x = log(1) 時，會傳回相同的值。所有反向函數在定義域 0 到 1 之外的引數評估時，都會傳回 nan。

參考文獻

[1]

範例

使用所需的參數實例化分佈

>>> from scipy import stats
>>> X = stats.Uniform(a=-0.5, b=0.5)

擷取分佈的支援

>>> X.support()
(-0.5, 0.5)

對於具有無限支援的分佈，

>>> X = stats.Normal()
>>> X.support()
(-inf, inf)

由於下溢，即使引數在支援範圍內，PDF 傳回的數值也可能為零，即使真實值為非零值。在這種情況下，log-PDF 可能很有用。

>>> X.pdf([-100., 100.])
array([0., 0.])
>>> X.logpdf([-100., 100.])
array([-5000.91893853, -5000.91893853])

log-CDF 和相關方法的使用案例是類似的。