如何计算非参数PDF两点间的面积（概率）？Python工具咨询

一、基础原理：离散PDF的数值积分 #

你提供的y是非参数PDF的离散取值，x是对应的横坐标（步长为1）。两点间的概率本质是PDF在该区间上的积分，对于离散数据，梯形法是精度较高的数值积分方法，它通过计算相邻点构成的梯形面积之和来近似积分结果。

二、直接基于现有离散PDF计算的方法 #

用Numpy/SciPy实现 #

可以直接调用numpy.trapz或scipy.integrate.trapz完成积分计算，步骤如下：

import numpy as np
from scipy import integrate

# 你的数据集
x = np.array([443, 444, 445, 446, 447, 448, 449, 450, 451, 452, 453, 454, 455,
       456, 457, 458, 459, 460, 461, 462, 463, 464, 465, 466])

y = np.array([1.42108547e-13, 1.38555834e-11, 1.10391341e-09, 4.44788527e-08,
       1.57671946e-06, 3.56957957e-05, 5.07987711e-04, 4.50095500e-03,
       2.47811094e-02, 8.53820383e-02, 1.86555694e-01, 2.61763533e-01,
       2.36928044e-01, 1.37248060e-01, 4.98071050e-02, 1.09658321e-02,
       1.41422995e-03, 1.03744795e-04, 4.25019397e-06, 9.66796303e-08,
       1.22804049e-09, 8.82441617e-12, 3.63136435e-14, 1.70842985e-16])

# 定义目标区间，示例为450到455
lower = 450
upper = 455

# 筛选区间内的x和y数据
mask = (x >= lower) & (x <= upper)
x_segment = x[mask]
y_segment = y[mask]

# 梯形法计算积分（即区间概率）
probability = np.trapz(y_segment, x_segment)
# 也可使用scipy的integrate.trapz，结果一致
# probability = integrate.trapz(y_segment, x_segment)

print(f"区间[{lower}, {upper}]的概率为: {probability:.4f}")

运行后会输出该区间的概率值（示例结果约为0.7953）。

三、从原始数据估计非参数PDF再计算概率（SciPy/Statsmodels工具） #

如果你的x和y是从原始样本数据推导而来，也可以直接用库的非参数估计工具拟合PDF，再计算区间概率：

1. SciPy的gaussian_kde #

先拟合非参数核密度估计（KDE），再通过积分计算区间概率：

from scipy.stats import gaussian_kde

# 模拟原始样本数据（实际替换为你的真实样本）
sample_data = x.repeat((y * 1e6).astype(int))

# 拟合KDE模型
kde = gaussian_kde(sample_data)

# 积分KDE函数得到区间概率
probability, _ = integrate.quad(kde, lower, upper)
print(f"KDE估计的区间概率: {probability:.4f}")

2. Statsmodels的KDEUnivariate #

Statsmodels的KDE工具直接提供CDF（累积分布函数）计算，两点的CDF差值即为区间概率，步骤更简洁：

import statsmodels.api as sm

# 模拟原始样本数据（实际替换为你的真实样本）
sample_data = x.repeat((y * 1e6).astype(int))

# 初始化并拟合KDE模型
kde = sm.nonparametric.KDEUnivariate(sample_data)
kde.fit()

# 计算CDF差值得到区间概率
cdf_lower = kde.cdf(lower)
cdf_upper = kde.cdf(upper)
probability = cdf_upper - cdf_lower

print(f"Statsmodels KDE的区间概率: {probability:.4f}")

四、工具包总结 #

• SciPy：
  • 直接积分离散PDF：scipy.integrate.trapz/simpson
  • 非参数PDF估计+积分：scipy.stats.gaussian_kde配合scipy.integrate.quad
• Statsmodels：
  • statsmodels.nonparametric.KDEUnivariate：拟合非参数PDF后，通过CDF差值直接获取区间概率，操作更便捷

内容的提问来源于stack exchange，提问作者Ganesh