典型形式的概率分布
distcan的Python项目详细描述
python在其can中的概率分布 形式。文档（TOdo:link）
scipy.stats是用于概率工作的go-to库 python中的发行版。这是一个令人印象深刻的包，暴露了 内部一致的api，用于处理几乎100个发行版。 但是，也有一些缺点……
- 而不是对分布的参数使用公共名称 （如正态分布均值和标准差命名为mu 和sigma），scipy.stats有关键字参数（或 它们）loc、scale和shape承担了 规范参数
- 与非常规参数命名相关的文档 显示PDF的表达式，该表达式通常与 pdf的标准格式，可以很容易地在网上或标准中找到。 参考文献。这使得很难确切地知道什么样的分布 您正在与
- 有些分布包含在scipy.stats中，但是在 不同的名称PDF的不同文档形式。例如， 要创建一个inversegama（5，6）分布，您可以调用 scipy.stats.invgamma(5, scale=6)
输入distcan
distcan库旨在轻松地解决这些问题 可扩展的方式。这个项目的一些目标是
- 以其规范形式表示概率分布，其中 给定标准名称的参数
- 公开包含^{tt1}中功能的api$ 和 `Distributions.jl<；https://github.com/JuliaStats/Distributions.jl>；。`_ （一个julia包，它激发了distcan的创建） 两个软件包用户的命名约定一致
- 有准确描述分发的文档 使用
通过利用scipy.stats中的伟大代码，我们已经走上了成功的道路 为了完成这些目标。
功能
scipy.stats的所有功能，外加一些其他便利 方法，由每个分布公开。这包括以下内容 方法：
- pdf：计算概率密度函数
- logpdf：评估pdf的日志
- cdf：计算累积密度函数
- logcdf：计算cdf的日志
- rvs：从分布中随机抽取样本
- moment：计算第n个非中心力矩
- stats：rv的一些统计数据（如均值、方差、方差、方差等）。 偏度，峰度）
- {TT22}$（在SimP.STATS中可用时）：返回最大值 给定数据分布的似然估计
- sf（也称为ccdf）：计算生存函数（或 互补累积密度函数）
- logsf（也称为logccdf）：计算生存日志 函数（或互补累积密度函数）
- isf：计算生存函数（或 互补累积密度函数）
- ppf（同时给出名称分位数）：计算百分点函数 （或分位数），这是cdf的倒数。这是常用的 计算临界值。
- loglikelihood（不在scipy中）： 关于x中所有样本的分布
- invlogcdf（不在scipy中）：计算logcdf的逆函数
- cquantile（不在scipy中）：计算互补分位数 功能。对于x in（0，1），等于d.ppf(1-x)。可以用来 计算分布的下临界值
- invlogccdf（不在scipy中）：计算 logccdf
另外，每个发行版都有以下属性（访问 如dist_object.property_name-即不带括号：
- mean：分布的平均值
- var：分布的var
- std：分布的std
- skewness：分布的偏度
- kurtosis：分布的峰度小心
- median：分布的中值
- mode：分布模式
- isplaykurtic：布尔值，指示峰度是否大于零
- isleptokurtic：布尔值，指示峰度是否小于零
- ismesokurtic：布尔值，指示峰度是否等于零
- entropy：分布的熵
- params（不在scipy中）：返回分布的元组 参数
贡献者
- 斯宾塞里昂（spencer.lyon@stern.nyu.edu）
欢迎加入QQ群-->： 979659372
