在这种情况下,
from scipy.integrate import quad
import numpy as np
exponential_distribution = lambda x, lam: lam*np.exp(-lam*x)
result = quad(exponential_distribution, 0.25, 0.75, args=0.1)[0]
我正在想像这样的东西
from magic_library import integrate_distribution
result = integrate_distribution(distribution='exponential', parameter=[0.1], a=0.25, b=0.75)
您可以将scipy.stats
中已经定义的分布用于大多数用途。对于指数分布,您可以使用冻结参数(即lam
)创建该分布的实例。该对象具有可以调用的方法来管理集成,例如cdf
,即指数分布的累积分布函数。
x0 to x1
的积分就是这两点cdf
的值之差。对于expon
类,scale
参数等效于示例函数中的1/lam
。
from scipy import stats
lam = 0.1
exponential_distribution = stats.expon(scale=1/lam)
exponential_distribution.cdf(0.75) - exponential_distribution.cdf(0.25)
# returns:
0.04756642569977977
我们可以将其与您用于集成的方法进行比较,并看到相同的答案。
from scipy.integrate import quad
import numpy as np
exponential_distribution = lambda x, lam: lam*np.exp(-lam*x)
quad(exponential_distribution, 0.25, 0.75, args=0.1)[0]
# returns:
0.04756642569977978