1. 查看所有的连续随机变量：

 [k for k,v in stats.__dict__.items() if isinstance(v,stats.rv_discrete)]

2. 离散随机变量对象都有如下方法：

• rvs(<shape(s)>, loc=0, size=1)：生成随机值
• pmf(x, <shape(s)>, loc=0)：概率密度函数在x处的值
• logpmf(x, <shape(s)>, loc=0)：概率密度函数在x处的对数值
• cdf(x, <shape(s)>, loc=0)：累积分布函数在x处的取值
• logcdf(x, <shape(s)>, loc=0) ：累积分布函数在x处的对数值
• sf(x, <shape(s)>, loc=0) ：生存函数在x处的值
• logsf(x, <shape(s)>, loc=0, scale=1)：生存函数在x处的对数值
• ppf(q, <shape(s)>, loc=0) ：累积分布函数的反函数
• isf(q, <shape(s)>, loc=0) ：生存函数的反函数
• moment(n, <shape(s)>, loc=0)：non-central n-th moment of the distribution. May not work for array arguments.
• stats(<shape(s)>, loc=0, moments='mv') ：计算期望方差等统计量
• entropy(<shape(s)>, loc=0) ：计算熵
• expect(func=None, args=(), loc=0, lb=None, ub=None, conditional=False)：Expected value of a function with respect to the distribution. Additional kwd arguments passed to integrate.quad
• median(<shape(s)>, loc=0)：计算该分布的中值
• mean(<shape(s)>, loc=0)：计算该分布的均值
• std(<shape(s)>, loc=0)：计算该分布的标准差
• var(<shape(s)>, loc=0)：计算该分布的方差
• interval(alpha, <shape(s)>, loc=0) Interval that with alpha percent probability contains a random realization of this distribution.
• __call__(<shape(s)>, loc=0)：产生一个参数冻结的随机变量

3. 我们也可以通过rv_discrete类自定义离散概率分布：

 x=range(1,7)
  p=(0.1,0.3,0.1,0.3,0.1,0.1)
  stats.rv_discrete(values=(x,p))

只需要传入一个values关键字参数，它是一个元组。元组的第一个成员给出了随机变量的取值集合，第二个成员给出了随机变量每一个取值的概率