scipy.stats.

truncate

scipy.stats.truncate(X, lb=-inf, ub=inf)

截斷隨機變數的支撐域。

給定一個隨機變數 X，truncate 返回一個隨機變數，其支撐域被截斷到 lb 和 ub 之間的區間。底層的機率密度函數會相應地正規化。

參數:

XContinuousDistribution

要截斷的隨機變數。

lb, ubfloat array-like

分別為下限和上限截斷點。必須與彼此和 X 的形狀可廣播。

返回:

XContinuousDistribution

截斷後的隨機變數。

參考文獻

[1]

“截斷分佈”。維基百科。 https://en.wikipedia.org/wiki/Truncated_distribution

範例

在您的瀏覽器中試試看！

與 scipy.stats.truncnorm 比較，它截斷標準常態分佈，然後平移和縮放它。

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy import stats
>>> loc, scale, lb, ub = 1, 2, -2, 2
>>> X = stats.truncnorm(lb, ub, loc, scale)
>>> Y = scale * stats.truncate(stats.Normal(), lb, ub) + loc
>>> x = np.linspace(-3, 5, 300)
>>> plt.plot(x, X.pdf(x), '-', label='X')
>>> plt.plot(x, Y.pdf(x), '--', label='Y')
>>> plt.xlabel('x')
>>> plt.ylabel('PDF')
>>> plt.title('Truncated, then Shifted/Scaled Normal')
>>> plt.legend()
>>> plt.show()

然而，假設我們希望平移和縮放一個常態隨機變數，然後將其支撐域截斷為給定值。使用 truncate 可以直接做到。

>>> Z = stats.truncate(scale * stats.Normal() + loc, lb, ub)
>>> Z.plot()
>>> plt.show()

此外，truncate 可以應用於任何隨機變數

>>> Rayleigh = stats.make_distribution(stats.rayleigh)
>>> W = stats.truncate(Rayleigh(), lb=0, ub=3)
>>> W.plot()
>>> plt.show()

返回在新分頁中開啟