scipy.stats.randint

scipy.stats.randint = <scipy.stats._discrete_distns.randint_gen object>

一個均勻離散隨機變數。

作為 rv_discrete 類別的一個實例，randint 物件繼承了它的一系列通用方法（完整列表請見下方），並以針對此特定分佈的細節來完成它們。

筆記

randint 的機率質量函數為

\[f(k) = \frac{1}{\texttt{high} - \texttt{low}}\]

對於 \(k \in \{\texttt{low}, \dots, \texttt{high} - 1\}\)。

randint 接受 \(\texttt{low}\) 和 \(\texttt{high}\) 作為形狀參數。

上面的機率質量函數是以「標準化」形式定義的。若要偏移分佈，請使用 loc 參數。具體來說，randint.pmf(k, low, high, loc) 與 randint.pmf(k - loc, low, high) 完全等效。

範例

在您的瀏覽器中試試看！

>>> import numpy as np
>>> from scipy.stats import randint
>>> import matplotlib.pyplot as plt
>>> fig, ax = plt.subplots(1, 1)

計算前四個動差

>>> low, high = 7, 31
>>> mean, var, skew, kurt = randint.stats(low, high, moments='mvsk')

顯示機率質量函數 (pmf)

>>> x = np.arange(low - 5, high + 5)
>>> ax.plot(x, randint.pmf(x, low, high), 'bo', ms=8, label='randint pmf')
>>> ax.vlines(x, 0, randint.pmf(x, low, high), colors='b', lw=5, alpha=0.5)

或者，可以呼叫分佈物件（作為函數）來固定形狀和位置。這會返回一個「凍結的」RV 物件，其中保存了給定的參數。

凍結分佈並顯示凍結的 pmf

>>> rv = randint(low, high)
>>> ax.vlines(x, 0, rv.pmf(x), colors='k', linestyles='-',
...           lw=1, label='frozen pmf')
>>> ax.legend(loc='lower center')
>>> plt.show()

檢查累積分布函數 (cdf) 與其反函數，即百分點函數 (ppf) 之間的關係

>>> q = np.arange(low, high)
>>> p = randint.cdf(q, low, high)
>>> np.allclose(q, randint.ppf(p, low, high))
True

產生隨機數字

>>> r = randint.rvs(low, high, size=1000)

返回在新分頁中開啟

方法

rvs(low, high, loc=0, size=1, random_state=None)	隨機變數。
pmf(k, low, high, loc=0)	機率質量函數。
logpmf(k, low, high, loc=0)	機率質量函數的對數。
cdf(k, low, high, loc=0)	累積分布函數。
logcdf(k, low, high, loc=0)	累積分布函數的對數。
sf(k, low, high, loc=0)	存活函數（也定義為 1 - cdf，但 sf 有時更準確）。
logsf(k, low, high, loc=0)	存活函數的對數。
ppf(q, low, high, loc=0)	百分點函數（cdf 的反函數 — 百分位數）。
isf(q, low, high, loc=0)	反向存活函數（sf 的反函數）。
stats(low, high, loc=0, moments=’mv’)	平均值 ('m')、變異數 ('v')、偏度 ('s') 和/或峰度 ('k')。
entropy(low, high, loc=0)	RV 的（微分）熵。
expect(func, args=(low, high), loc=0, lb=None, ub=None, conditional=False)	關於分佈的函數（一個引數）的期望值。
median(low, high, loc=0)	分佈的中位數。
mean(low, high, loc=0)	分佈的平均值。
var(low, high, loc=0)	分佈的變異數。
std(low, high, loc=0)	分佈的標準差。
interval(confidence, low, high, loc=0)	具有圍繞中位數的相等區域的信賴區間。