scipy.stats.hypsecant()

scipy.stats.hypsecant()函数返回超双曲正切分布的概率密度函数(PDF)、累积分布函数(CDF)、样本随机变量发生器和似然函数的值。

语法

scipy.stats.hypsecant(loc=0, scale=1)

参数

scipy.stats.hypsecant()函数包含以下参数：

• loc：分布的均值。默认为 0。
• scale：分布的标准差。默认为 1。

返回值

scipy.stats.hypsecant()函数返回分别包含以下内容的对象：

• PDF：概率密度函数
• CDF：累积分布函数
• RVS：样本随机变量发生器
• SF：生存函数
• PPF：百分位点函数
• isf：逆生存函数
• moment：矩

实例

以下示例演示了如何使用scipy.stats.hypsecant()函数生成超双曲正切分布的 PDF：

import numpy as np
from scipy.stats import hypsecant
import matplotlib.pyplot as plt

fig, ax = plt.subplots(1, 1)

# 生成 1000 个样本数据
x = np.linspace(-5, 5, 1000)

# 生成 PDF
pdf = hypsecant.pdf(x)

# 绘制 PDF
ax.plot(x, pdf)

# 设置标题、X轴和Y轴标签
ax.set_title('PDF of Hyperbolic Secant Distribution')
ax.set_xlabel('X')
ax.set_ylabel('PDF')

# 显示图形
plt.show()

运行以上脚本，得到以下输出：

以上结果显示了超双曲正切分布的 PDF。

另外，可以使用以下代码获取其他方法的输出：

import numpy as np
from scipy.stats import hypsecant

# 生成 1000 个样本数据
x = np.linspace(-5, 5, 1000)

# 获取 CDF
cdf = hypsecant.cdf(x)

# 获取样本随机变量发生器
rvs = hypsecant.rvs(size=1000)

# 获取生存函数
sf = hypsecant.sf(x)

# 获取百分位点函数
ppf = hypsecant.ppf(x)

# 获取逆生存函数
isf = hypsecant.isf(x)

# 获取矩
moment = hypsecant.moment(n=2)

print('CDF: ', cdf)
print('RVS: ', rvs)
print('SF: ', sf)
print('PPF: ', ppf)
print('ISF: ', isf)
print('Moment: ', moment)

以上代码演示了如何使用超双曲正切分布函数的其他方法。