Think Stats 第2版 ―プログラマのための統計入門

85

85

6.7　モーメント

return 0.0

index = bisect.bisect(self.xs, x)

p = self.ps[index - 1]

return p

モジュール

bisect

は、二分探索の実装を提供します。累積確率をとって対応する

値を返す

Value

の実装は、次のようになります。

# class Cdf

def Value(self, p):

if p < 0 or p > 1:

raise ValueError('p must be in range [0, 1]')

index = bisect.bisect_left(self.ps, p)

return self.xs[index]

Cdf

があれば、引き続く累積確率の差を計算することで

Pmf

を計算できます。

Cdf

コンストラクタを呼び出して

Pmf

を渡せば、

Cdf.Items

を呼び出して差を計算します。

# class Cdf

def Items(self):

a = self.ps

b = np.roll(a, 1)

b[0] = 0

return zip(self.xs, a-b)

np.roll

は、

a

の要素を右にシフトして、最後の要素を先頭に「回転」して持って

きます。その後、

b

の最初の要素を

0

で置き換え、差

a-b

を計算します。結果は、確

率の

NumPy

配列です。

Cdf

は、その中の値を修飾する

Shift

と

Scale

を提供しますが、確率は変更不能と

して扱われるべきです。

6.7

 モーメント

標本を取って、単一の数値に簡約したなら、その数値は統計量です。これまで登場 ...