我想根据 μ 和 X 计算期望值和方差,但我不知道用什么填充下面的 X,因为它不是正态分布也不是泊松分布,而是随机的 pdf。
from sympy import symbols, Integral
from sympy.stats import Normal, Expectation, Variance, Probability
mu = symbols("μ", positive=True)
sigma = symbols("σ", positive=True)
pdf = (15/512)*(x**2)*((4-x)**2)
X = ?
print('Var(X) =',Variance(X).evaluate_integral())
print('E(X-μ) =',Expectation((X - mu)**2).expand())
print('final computation:')
print('E(X-μ) =',Expectation((X - mu)**2).doit())
除此之外,还有一个条件
0<x<4
。因此E(X)=2
应该是正确的答案。
谢谢。
也许您正在寻找 ContinuousRV?
>>> from sympy.stats import ContinuousRV, P
>>> from sympy.abc import x
>>> pdf = 15*x**2*(4 - x)**2/512
>>> P(And(X>-1,X<1))
83/256
(不知道如何解释给出无穷大的期望结果......你有正确的 pdf 吗?)