scipy.stats.discrete.expect를 사용하여 이산 예상 값을 계산하는 방법은 무엇입니까?

Question

우선, 나는 scipy을 처음 사용합니다. 아마 신참 질문 일 겁니다. 나는 주어진, 다음 함수를 계산하기 위해 별도의 입력을 scipy.discrete.expect를 사용하는 방법을하지 확신 : 나는 표준 함수를 사용하는 방법을 알기도 전에 1,2,3

m = lambda k: (0.12*np.sin((2*np.pi*k)/3 + np.pi/2))**2 
k = 1,2,3 

지금, 나는 작은 기능에게 자신을 썼다.

input_k = [np.array([1]),np.array([2]),np.array([3])] 

def discrete_expect_mk(input_k): 
    temp_k = [] 
    for i in input_k: 
     temp_k.append(m(i)) 
    return np.array([np.mean(temp_k)]) 

    discrete_expect_mk(input_k) 

감사합니다.

Answer 1

, 당신은, 당신이

uniform_dist = scipy.stats.rv_discrete(values=(k, np.ones(k)/len(k))) 
result = uniform_dist.expect(m) 

Answer 2

이 경우 for 루프를 필요가 없습니다

import numpy as np 
m = lambda k: (0.12*np.sin((2*np.pi*k)/3 + np.pi/2))**2 
k=np.arange(1,4) # k = array([1, 2, 3]) 
print (m(k)) 
# array([ 0.0036, 0.0036, 0.0144]) 
print (np.mean(m(k))) 
# 0.0072 

당신은 그들이 1.

from scipy import stats 
pk = m(k) 
pk /= np.sum(m(k)) # making sure they add up to 1 
func = stats.rv_discrete(name='custm', values=(k, pk)) 
func.expect() 
# 2.5 

을 추가, 즉 확인 m(k) 's이 (가), 확률의 확인 scipy.stats.rv_discrete를 사용하려면

rv_discrete을 사용하고 모든 m의 확률이 같은 경우 다음을 사용할 수 있습니다.

귀하의 경우 2,933,210