Python scipy法向量均值上的数值积分

在集成普通pdf时，我从scipy integrate.quad函数得到一些奇怪的输出。以下是我尝试使用的代码：

inpdf = lambda c: norm.pdf(50, loc=c, scale = 1)
result = integrate.quad(inpdf, -np.inf, np.inf)
print result

返回（3.281718223506531e-99，0.0），这显然是错误的。 当我将x值更改为0时，在下面的代码段中，我得到了适当的输出：

inpdf = lambda c: norm.pdf(0, loc=c, scale = 1)
result = integrate.quad(inpdf, -np.inf, np.inf)
print result

返回值（0.9999999998，1.0178191320905743e-08）

---

所以非常接近1，这是它应该是的。使用R的积分函数也会发生同样的事情，所以这可能只是求积算法的一个已知特性？有人知道为什么会这样吗？

至少在R中是这样，在scipy中，这个问题可能相当简单

你要求程序做的是在整个实线上集成一个函数。求积算法试图找到函数非零的位置，在正常pdf的情况下，该位置无处不在，但很难找到有效部分

在R的情况下，integrate函数在多个点上求值，默认情况下为100，并且它们很可能不会出现在函数相当大的小间隔内。如果你试过类似的方法

> integrate(dnorm,lower=45,upper=55,mean=50)
0.9999994 with absolute error < 8.7e-10

积分（dnorm，下限=45，上限=55，平均值=50） 0.999994，绝对误差<8.7e-10 你得到了正确的结果或足够接近。如果再往前移动，正交算法将再次失败

> integrate(dnorm,lower=-1000,upper=1000,mean=50)
0 with absolute error < 0

积分（dnorm，下限=-1000，上限=1000，平均值=50） 0，绝对误差<0

---

两个代码片段完全相同-请编辑。

sum（stats.norm.pdf（50，loc=arange（0100,0.01），scale=1））*0.01