statsmodels.distributions.discrete.DiscretizedCount.expect¶

DiscretizedCount.expect(func=None, args=(), loc=0, lb=None, ub=None, conditional=False, maxcount=1000, tolerance=1e-10, chunksize=32)¶

计算函数关于离散分布的期望值，通过数值求和的方法。

Parameters:¶

funccallable, optional

计算期望值的函数。 只接受一个参数。 默认是恒等映射 f(k) = k。

argstuple, optional

分布的形状参数。

locfloat, optional

位置参数。 默认值为 0。

lb, ubint, optional

求和的下限和上限，默认设置为分布的支持范围，包括在内（lb <= k <= ub）。

conditionalbool, optional

如果为真，则期望值会根据求和区间的条件概率进行修正。返回值是函数func的期望值，条件是处于给定区间内（k满足lb <= k <= ub）。默认值为False。

maxcountint, optional

最大评估项数（为了避免无限和的无限循环）。默认值为1000。

tolerancefloat, optional

求和的绝对容差。默认值为 1e-10。

chunksizeint, optional

以块的形式遍历分布的支持，每个块的大小为此值。 默认值是 32。

Returns:¶

expectfloat

期望值。

注释

对于重尾分布，期望值可能存在也可能不存在，这取决于函数func。如果存在，但求和收敛缓慢，结果的准确性可能相当低。例如，对于zipf(4)，示例中的均值和方差的准确性仅为1e-5。增加maxcount和/或chunksize可能会改善结果，但也可能使zipf非常慢。

该函数不是向量化的。