我有一个来自 scipy 的对数正态分布,它的参数是已知的。
import scipy
log_norm_obj = scipy.stats.lognorm([log_mu], shape=sigma)
我需要求解满足以下方程的 x:
x = (1 - log_norm_obj.cdf(x)) / log_norm_obj.pdf(x)
我如何使用 numpy/scipy 来做到这一点?谢谢!
最佳答案
您使用 scipy.optimize 。从 scipy 0.11 及更高版本开始,您可以使用新函数 minimize
或minimize_scalar
。假设您的 x 是标量,下面是一些有关如何执行此操作的示例代码:
from scipy.optimize import minimize_scalar
def f(x):
return (1 - log_norm_obj.cdf(x)) / log_norm_obj.pdf(x) - x
result = minimize_scalar(f)
print result.x
# this would print your result
上面使用Brent's method ,默认值。您还可以 Golden method ,或布伦特方法的有界版本。如果您的函数仅在给定域中定义或者您想要特定区间内的解决方案,则后者可能很有用。一个例子:
result = minimize_scalar(f, bounds=(0, 10.), method='bounded')
如果您的函数采用向量而不是标量,则可以使用 minimize
采取类似的方法。如果你的 scipy 版本早于 0.11,只需使用 fmin
的风格即可.
关于python - 如何使用 numpy/scipy 求解方程中已知函数的 x?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13943286/