在Python中计算累积密度函数的导数

【问题标题】：Calculating the derivative of cumulative density function in Python在Python中计算累积密度函数的导数
【发布时间】：2013-07-30 01:35:01
【问题描述】：

累积密度函数的精确导数是概率密度函数（PDF）吗？我正在使用numpy.diff() 计算导数，这是正确的吗？请看下面的代码：

import scipy.stats as s
import matplotlib.pyplot as plt
import numpy as np

wei = s.weibull_min(2, 0, 2) # shape, loc, scale - creates weibull object
sample = wei.rvs(1000)
shape, loc, scale = s.weibull_min.fit(sample, floc=0) 

x = np.linspace(np.min(sample), np.max(sample))

plt.hist(sample, normed=True, fc="none", ec="grey", label="frequency")
plt.plot(x, wei.cdf(x), label="cdf")
plt.plot(x, wei.pdf(x), label="pdf")
plt.plot(x[1:], np.diff(wei.cdf(x)), label="derivative")
plt.legend(loc=1)
plt.show()

如果是这样，我如何缩放导数以与 PDF 等效？

【问题讨论】：

标签： python numpy statistics scipy probability-density

【解决方案1】：

CDF 的导数是 PDF。

这是 CDF 导数的近似值：

dx = x[1]-x[0]
deriv = np.diff(wei.cdf(x))/dx

import scipy.stats as s
import matplotlib.pyplot as plt
import numpy as np

wei = s.weibull_min(2, 0, 2) # shape, loc, scale - creates weibull object
sample = wei.rvs(1000)
shape, loc, scale = s.weibull_min.fit(sample, floc=0) 

x = np.linspace(np.min(sample), np.max(sample))
dx = x[1]-x[0]
deriv = np.diff(wei.cdf(x))/dx
plt.hist(sample, normed=True, fc="none", ec="grey", label="frequency")
plt.plot(x, wei.cdf(x), label="cdf")
plt.plot(x, wei.pdf(x), label="pdf")
plt.plot(x[1:]-dx/2, deriv, label="derivative")
plt.legend(loc=1)
plt.show()

产量

请注意，与 deriv 关联的 x-locations 已移动由dx/2 提供，因此近似值位于用于计算它的值之间。

【讨论】：