📜  Python| Scipy stats.hypsecant.logsf() 方法(1)

📅  最后修改于: 2023-12-03 15:19:16.550000             🧑  作者: Mango

Python | Scipy stats.hypsecant.logsf() 方法
简介

stats.hypsecant.logsf() 方法是 Scipy stats 模块中的一个函数,用于计算超正割分布的对数生存函数(log survival function)。超正割分布(Hyperbolic Secant Distribution)是指服从超正割分布的随机变量的概率分布,它在统计学和概率论中有广泛的应用。

语法
scipy.stats.hypsecant.logsf(x, loc=0, scale=1)
参数
  • x:表示要计算对数生存函数的随机变量的取值。
  • loc:表示超正割分布的期望(均值)值,默认为 0。
  • scale:表示超正割分布的标准差,默认为 1。
返回值

stats.hypsecant.logsf() 方法返回给定随机变量 x 的对数生存函数值,即对数累积分布函数值的补。

示例
import scipy.stats as stats

x = 1.5
loc = 0
scale = 1

logsf_value = stats.hypsecant.logsf(x, loc, scale)
print("Log Survival Function value:", logsf_value)

输出:

Log Survival Function value: -0.1451273783540488
备注
  • 超正割分布函数基于超正割函数(双曲正割函数),用于表示连续的实数值随机变量。
  • 对数生存函数(log survival function)是累积分布函数(CDF)的补,表示随机变量大于给定值的概率的对数。
参考链接