用于计算 scipy stats 中可用分布的 E(X) 的 Scipy 集成

【问题标题】：Scipy Integration to calculate E(X) of distributions available in scipy stats用于计算 scipy stats 中可用分布的 E(X) 的 Scipy 集成
【发布时间】：2021-09-12 19:50:48
【问题描述】：

您好，谁能帮我修复此代码，在此先感谢

from scipy.integrate import quad
import math
import numpy as np
from scipy import stats

lognorm_mu = 17.79
lognorm_sigma = 0.81

def integrand(x):
    return stats.lognorm.pdf(x, s= lognorm_sigma, scale=math.exp(lognorm_mu)) * x

我期待的结果是：

print(math.exp(lognorm_mu + lognorm_sigma ** 2 / 2)) ==> 73887187.89137973

但是我得到了这个输出：

print(quad(integrand2,-np.inf,np.inf)[0]) =-> 8.373817736767941e-43

如何编辑我的被积函数来进行积分（xf（x）dx，-inf，+inf）？如果我要做积分（x^2f（x）dx，-inf，+inf）呢？

【问题讨论】：

标签： scipy integration normal-distribution scipy.stats

【解决方案1】：

您可能正在寻找.expect 方法：norm.expect(lambda x : x**2) 等

【讨论】：

如果我做 stats.lognorm.expect(args=(0.81,), scale=math.exp(17.79), lb=-np.inf, ub=np.inf)，我还在没有得到我的预期输出，我仍然得到 8.373817736767941e-43 ....
我试图理解这三行之间的区别：stats.lognorm.stats(s=0.81, scale=math.exp(17.79), moment='m') array( 73887187.89137967) stats.lognorm.expect(args=(0.81,),scale=math.exp(17.79)) 8.373817736767941e-43 stats.lognorm.mean(s=0.81, scale=math.exp(17.79)) 73887187.89137967跨度>