规范形式的概率分布
项目描述
Python的规范形式概率分布。文档（TODO：链接）
scipy.stats 是用于在Python中处理概率分布的库。它是一个令人印象深刻的包，公开了一个内部一致的API，用于处理几乎所有100个分布。但是，也有一些不足之处……
与分布参数的常见名称不同，scipy.stats 使用关键字参数（或它们的组合）loc、scale 和 shape 假设规范参数的角色
与非传统参数命名相关，文档显示的pdf表达式通常不与在线或标准参考书中容易找到的规范形式的pdf匹配。这使得很难确切知道您正在处理哪种分布
一些分布包含在scipy.stats中，但使用不同的名称，具有不同的pdf文档形式。例如，要创建一个InverseGamma(5, 6)分布，您将调用scipy.stats.invgamma(5, scale=6)
欢迎来到distcan
distcan库旨在以易于扩展的方式解决这些问题。本项目的目标包括
以规范形式表示概率分布，参数使用其标准名称
公开一个API，包括scipy.stats和`Distributions.jl <https://github.com/JuliaStats/Distributions.jl>`__（一个Julia包，促使创建distcan），命名约定对两个包的用户都是一致的
拥有准确描述所使用分布的文档
通过利用 scipy.stats 中的优秀代码，我们正朝着完成这些目标的方向前进。
功能
每个分布都公开了 scipy.stats 的所有功能，以及一些其他方便的方法。这包括以下方法
pdf：评估概率密度函数
logpdf：评估 pdf 的对数
cdf：评估累积密度函数
logcdf：评估 cdf 的对数
rvs：从分布中抽取随机样本
moment：评估第 n 个非中心矩
stats：随机变量的某些统计量（如均值、方差、偏度、峰度）
fit（当在 scipy.stats 中可用时）：根据数据返回分布的最大似然估计量
sf（也给出名称 ccdf）：计算生存函数（或互补累积密度函数）
logsf（也给出名称 logccdf）：计算生存函数（或互补累积密度函数）的对数
isf：计算生存函数（或互补累积密度函数）的逆
ppf（也给出名称分位数）：计算百分位数函数（或分位数），它是 cdf 的逆。这通常用于计算临界值。
loglikelihood（不在 scipy 中）：相对于 x 中所有样本的分布的对数似然
invlogcdf（不在 scipy 中）：评估 logcdf 的逆函数
cquantile（不在 scipy 中）：评估互补分位数函数。对于 x 在 (0, 1) 中的值，等于 d.ppf(1-x)。可用于计算分布的下临界值
invlogccdf（不在 scipy 中）：评估 logccdf 的逆函数
此外，每个分布还具有以下属性（通过 dist_object.property_name 访问 - 即没有括号）
mean：分布的均值
var：分布的方差
std：分布的标准差
skewness：分布的偏度
kurtosis：分布的峰度
median：分布的中位数
mode：分布的众数
isplaykurtic：布尔值，表示峰度是否大于零
isleptokurtic：布尔值，表示峰度是否小于零
ismesokurtic：布尔值，表示峰度是否等于零
entropy：分布的熵
params（不在 scipy 中）：返回分布参数的元组
贡献者
Spencer Lyon (spencer.lyon@stern.nyu.edu)
distcan-0.0.1.tar.gz 的散列值
| 算法 | 散列摘要 | |
|---|---|---|
| SHA256 | 1714e73af979d8d25d188df6158f95ae500c2060f710bb3395832efb9abb33c9 |
|
| MD5 | c98538fec352555d9dbce4a9b02509a1 |
|
| BLAKE2b-256 | 52a71fe81fc4a6a6822d70f61950c9bf2b62b51ae9d701d8111923917250d0e1 |