Python 正态分布函数期望值的计算

我想计算正态分布中某些函数的期望值

例如：

mu=100
k=100
西格玛=10
val，err=quad（lambda x:norm.pdf（（x-mu）/sigma）*x如果x>k否则为0，-math.inf，math.inf）
打印（val）

这打印出4.878683842492743e-288，这显然不是正确答案

我认为这是因为SciPy无法对高斯函数进行积分。我怎样才能解决这个问题？理想情况下，我想要一种方法，它允许人们在高斯分布上集成各种各样的函数，并且不特定于我所给出的例子

---

谢谢

我认为这是正交的一个问题（有时它并不真正适应），并且不喜欢if语句

所以我建议这样（从k积分到无穷大）：

请注意，正如Jimmy所暗示的，高斯函数的正确形式需要1/sigma

另一种做积分的方法是强迫quad在某些点上小心。我最喜欢的方式是做一些像

import numpy as np
from scipy.integrate import quad 

#this is the Gaussian. Note that *0.5*(np.sign(x-k)+1) is 0 for x<k and 1 otherwise.
def f(x):
    return 1/(np.sqrt(2*np.pi)*sigma)*np.exp(- 0.5*( (x-mu)/sigma )**2 ) *x*0.5*(np.sign(x-k)+1)
    
#use this to integrate from in (-1,1)
def G(u):
    x=u/(1-u**2)
    return f(x)*(1+u**2)/(1-u**2)**2

quad(G,-1,1,points=np.linspace(-0.999,0.999,25)) 

将numpy导入为np
从scipy.integrate导入四元组
#这是高斯分布。请注意，*0.5*（np.符号（x-k）+1）是0表示XY，您在这里积分的是N（0,1）密度，所以范围不应该是从0到+inf而不是从k到+inf？建议您仔细检查这里的文档
import numpy as np
from scipy.integrate import quad 

#this is the Gaussian. Note that *0.5*(np.sign(x-k)+1) is 0 for x<k and 1 otherwise.
def f(x):
    return 1/(np.sqrt(2*np.pi)*sigma)*np.exp(- 0.5*( (x-mu)/sigma )**2 ) *x*0.5*(np.sign(x-k)+1)
    
#use this to integrate from in (-1,1)
def G(u):
    x=u/(1-u**2)
    return f(x)*(1+u**2)/(1-u**2)**2

quad(G,-1,1,points=np.linspace(-0.999,0.999,25))