假设x〜Poisson（2.5）; 我想计算类似E（x | x> 2）的值。
我假设可以使用.dist.expect运算符完成此操作，即：
D = stats.poisson(2.5)
cond_expect = D.dist.expect(lambda x: x, D.args,lb=2)
计算结果为cond_expect = 2.29478750344
但是，如果我只是根据该分布计算随机样本的平均值
D = stats.poisson(2.5)
test = D.rvs(size = 100000)
empirical_expectation = np.mean(test[test>=2])
empirical_expectation的计算结果为3.20875563063。
如果有人可以澄清我对API的误解，将不胜感激。
小智 5
该方法expect采用布尔参数conditional，默认情况下为False。将其设置为True：
cond_expect = D.dist.expect(lambda x: x, D.args, lb=2, conditional=True)
与经验结果一致返回3.219839256818051。
这是做什么的：
有条件的：布尔，可选
如果为true，则通过求和间隔的条件概率来校正期望。返回值是函数func的期望值，条件是处于给定间隔（k使得ul <= k <= ub）。默认值为False。
因此，如果为False，则得到的E(X if X >= 2 else 0)不是条件期望值，而是通过除以P（X> = 2）来调整的：E(X | X >= 2) = E(X if X >= 2 else 0) / P(X >= 2)
我不知道为什么在提供上限或下限时会希望conditional = False，但这是默认设置。