问python和expect函数

EN

累积密度函数可能会给你想要的东西。那么两个值之间存在的概率P是P(inf < area < sup) = cdf(sup) - cdf(inf)。

有一个关于概率、这里和这里的教程，它们都是相关的。pdf是概率的“密度”。它们必须大于零，之和为1。我认为它表示某事的可能性有多大。期望值是对平均值概念的概括。

E[x] = sum(x.P(x))

rv_continuous是在scipy.stats中实现的所有概率分布的基类。您不会亲自调用rv_continuous上的方法。

你的问题还不完全清楚你想要做什么，所以我假设你有一个从未知概率分布中提取的16383个数据点。从原始数据中，您需要估计累积分布，在sup和inf值处找到该累积分布的值，并减去从未知分布中提取值的概率。

根据你想要做多少建模和你想要做多少假设，有很多方法可以从数据中估计未知分布。在光谱的更复杂的一端，你可以尝试将一个标准的参数概率分布拟合到数据中。例如，如果您怀疑您的数据是对数正态分布的，您可以使用scipy.stats.lognorm.fit(data, floc=0)查找符合您的数据的对数正态分布的参数。然后您可以使用scipy.stats.lognorm.cdf(sup, *params) - scipy.stats.lognorm.cdf(inf, *params)来估计值在这些值之间的概率。

中间是分布估计的非参数形式，如直方图和核密度估计。例如，scipy.stats.gaussian_kde(data).integrate_box_1d(inf, sup)是使用未知分布的高斯核密度估计来进行此估计的一种简单方法。然而，内核密度估计并不总是合适的，需要一些调整才能正确。

您可以做的最简单的事情就是计算inf和sup之间的数据点数，除以您拥有的数据点的总数。这仅适用于大量的点(这是您拥有的)和边界，而不是太远的尾部数据。