Python scipy.stats.uniform.expect的值与手动计算的值不同

这很可能是因为我不知道如何使用标准的scipy expect函数方法。当我使用：

  from scipy.stats import uniform
  uniform.expect(lambda k: k**2,lb=-0.2,ub=0.2)

我得到值：0.002666666

如果我使用手动计算：

  np.mean(np.random.uniform(-0.2,0.2,1000)**2)

我得到了0.013235491320680141，这是我期望的正确值。那么，对于标准的expect函数或积分函数，我做错了什么？请提供帮助。

如果您看到，

ub

和

lb

并不是指您认为他们会做什么。它们是积分的界，而不是分布的参数

你实际上想要：

scipy.stats.uniform(loc=-0.2, scale=0.4).expect(lambda x: x**2)

如果你看，

ub

和

lb

并不意味着你认为他们会做什么。它们是积分的界，而不是分布的参数

你实际上想要：

scipy.stats.uniform(loc=-0.2, scale=0.4).expect(lambda x: x**2)

---

我查看了的文档，但仍然不知道如何获得正确的值。文档中没有示例。您对

ub

和

lb

的理解不正确。它们不是均匀分布的参数，因为

expect

不仅仅是该分布的一种方法

dist.expect（f，lb，ub）

表示“期望值

f（x）

其中

x~dist

，因此

lb

”这实际上是我理解为一致的。expect（lambda k:k**2，lb=-0.2，ub=0.2），但结果不正确。您所写的意思是

x~uniform[0，1]，在给定x<0.2的情况下找到E[x^2]
lb
和
ub
不参数化分布。这就是我检查过的
loc
和
scale
的文档，但仍然不知道如何获得正确的值。文档中没有示例。您对
ub
和
lb
的理解不正确。它们不是均匀分布的参数，因为
expect
不仅仅是该分布的一种方法
dist.expect（f，lb，ub）
表示“期望值
f（x）
其中
x~dist
，因此
lb
”这实际上是我理解为一致的。expect（lambda k:k**2，lb=-0.2，ub=0.2），但结果不正确。您所写的意思是
x~uniform[0，1]，在给定x<0.2的情况下找到E[x^2]
lb
和
ub
不参数化分布。这就是
loc
和
scale
的作用