pymc.Normal

class pymc.Normal(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

单变量正态对数似然。

此分布的pdf是

\[f(x \mid \mu, \tau) = \sqrt{\frac{\tau}{2\pi}} \exp\left\{ -\frac{\tau}{2} (x-\mu)^2 \right\}\]

正态分布可以用精度或标准差来参数化。这两种参数化之间的关系由以下公式给出：

\[\tau = \dfrac{1}{\sigma^2}\]

(Source code, png, hires.png, pdf)

支持	\(x \in \mathbb{R}\)
均值	\(\mu\)
方差	\(\dfrac{1}{\tau}\) 或 \(\sigma^2\)

参数:

mu : 类张量 的 float，默认值为 0tensor_like of python:float, 默认值为 0

平均值。

sigma : 类似张量 的 float, 可选tensor_like 的 python:float, 可选

标准差（sigma > 0）（仅在未指定 tau 时需要）。如果既未指定 sigma 也未指定 tau，则默认为 1。

tau : 类似张量 的 float, 可选tensor_like 的 python:float, 可选

精度（tau > 0）（仅在未指定 sigma 时需要）。

示例

with pm.Model():
    x = pm.Normal('x', mu=0, sigma=10)

with pm.Model():
    x = pm.Normal('x', mu=0, tau=1/23)

方法

Normal.dist([mu, sigma, tau])

创建一个与 cls 分布相对应的张量变量。