多项pmf返回nan

Question

我正在尝试使用来自multinominal.pmf (python)的scipy.stats函数。

当我使用这个函数时，输入中的所有概率都大于零，它工作得很好。问题是，当概率之一为零时，我想使用这个函数。

下面的例子说明了我的意思：

In [18]: multinomial.pmf([3, 3, 0], 6, [1/3.0, 1/3.0, 1/3.0])
Out[18]: 0.027434842249657095

In [19]: multinomial.pmf([3, 3, 0], 6, [2/3.0, 1/3.0, 0])
Out[19]: nan

可以看出，在第一次，当所有概率都大于0时，使用该函数就没有问题。但是，当我将其中一个概率更改为零时，函数返回nan，即使通过函数也应该返回0.21948。

当其中一个概率为零时，是否有一种方法(在python中)计算pmf？或者是处理它的另一种方法，或者是处理此函数的另一种方法。

附加信息

示例中函数应该返回的值，我使用matlab中的mnpdf函数计算。但是，由于我的其余代码是用python编写的，所以我更喜欢在python中找到一种计算方法。

Answer 1

好地方！这是枕骨中的一个虫子。源代码可以找到这里。

第3031至3051行：

def pmf(self, x, n, p):
    return np.exp(self.logpmf(x, n, p))

第2997至3017行：

def logpmf(self, x, n, p):
    n, p, npcond = self._process_parameters(n, p)

第2939至2958行：

def _process_parameters(self, n, p):

    p = np.array(p, dtype=np.float64, copy=True)
    p[...,-1] = 1. - p[...,:-1].sum(axis=-1)

    # true for bad p
    pcond = np.any(p <= 0, axis=-1)  # <- Here is why!!!
    pcond |= np.any(p > 1, axis=-1)

    n = np.array(n, dtype=np.int, copy=True)

    # true for bad n
    ncond = n <= 0

    return n, p, ncond | pcond

如果pcond = np.any(p <= 0, axis=-1)的任何值为<= 0，则行p的结果是true。

然后在logpmf第3029行：

return self._checkresult(result, npcond_, np.NAN)

结果logpmf和pmf返回nan！

请注意，实际结果是正确计算的(第3020、2994-2995行)：

result = self._logpmf(x, n, p)

def _logpmf(self, x, n, p):
    return gammaln(n+1) + np.sum(xlogy(x, p) - gammaln(x+1), axis=-1)

用你的价值观：

import numpy as np
from scipy.special import xlogy, gammaln

x = np.array([3, 3, 0])
n = 6
p = np.array([2/3.0, 1/3.0, 0])

result = np.exp(gammaln(n+1) + np.sum(xlogy(x, p) - gammaln(x+1), axis=-1))
print(result)

>>>0.219478737997