Python 为什么在scipy中未标度分布的norm.pdf除以标度？

在Scipy文档中：

上述概率密度以“标准化”形式定义。要移动和/或缩放分布，请使用loc和scale参数。具体来说，norm.pdf（x，loc，scale）等同于norm.pdf（y）/scale，y=（x-loc）/scale

我不明白为什么我们要用尺度除以y，如果我们已经归一化了y，那么为什么我们要再次除以标准pdf（y）/尺度

---

即使在这些注释中：，似乎到标准规范化的投影只需要减去平均值并除以标准偏差。

请注意，Scipy文档所述并不意味着您需要做任何额外的事情来获得

x

的pdf。它只是强调了

pdf（x）

和

pdf（y）

之间的关系，其中

y

源自

x

的标准化

简而言之，如果您想用均值

loc

和标准偏差

scale

标准化

x

，则转换为

y=（x-loc）/scale

此外：

from scipy.stats import norm

norm.pdf(a, loc= b, scale = c) = norm.pdf(a, loc= 0, scale = 1)/c
norm.cdf(a, loc= b, scale = c) = norm.cdf(a, loc= 0, scale = 1)

---

我同意您的观点，在文档中包含此语句是令人困惑的，因为这是分发和转换的属性，而不是我们在使用

pdf

时需要做的事情。请注意，Scipy文档所述并不意味着您需要做任何额外的事情来获得

x

的pdf。它只是强调了

pdf（x）

和

pdf（y）

之间的关系，其中

y

源自

x

的标准化

简而言之，如果您想用均值

loc

和标准偏差

scale

标准化

x

，则转换为

y=（x-loc）/scale

此外：

from scipy.stats import norm

norm.pdf(a, loc= b, scale = c) = norm.pdf(a, loc= 0, scale = 1)/c
norm.cdf(a, loc= b, scale = c) = norm.cdf(a, loc= 0, scale = 1)

---

我同意你的观点，在文档中有这种说法是令人困惑的，因为这是分布和转换的一种属性，而不是我们在使用

pdf

“…似乎标准化的投影只需要减去平均值并除以标准差。”是的，在scipy的实现中，

scale

参数是标准偏差.ya，但为什么我们要将pdf除以scale？如果不这样做，pdf实线上的积分将不会是1（即，它不会是pdf）。“……似乎标准化的投影只需要减去平均值并除以SD。”是的，在scipy的实现中，

scale

参数是标准偏差.ya，但为什么我们要将pdf除以scale？如果不这样做，pdf实行上的积分将不会是1（即，它将不是pdf）。