Я согласен, что документы не совсем ясны по этому вопросу. Кажется, что замороженный дистрибутив исправляет первые n моменты для удобства программиста. Мне не известен термин «forzen distribution» вне SciPy.
замороженное распространение SciPy, возможно, лучше всего описано здесь :
Pass the lo c и масштабирование ключевых слов снова и снова может стать довольно надоедливым. Концепция замораживания RV используется для решения таких проблем.
rv = gamma(1, scale=2.)
При использовании rv нам больше не нужно больше включать масштаб или параметры формы. Таким образом, распределения могут использоваться одним из двух способов: либо путем передачи всех параметров распределения каждому вызову метода (как мы это делали ранее), либо путем замораживания параметров для экземпляра распределения. Давайте проверим это:
rv.mean(), rv.std() (2.0, 2.0)
Это действительно то, что мы должны получить.
На странице учебника Scipy мы видим следующую строку :
(Мы объясним значение замороженного распределения ниже).
Единственное упоминание замороженного распределения после этой точки следующее:
Основные дополнительные методы незамерзающего распределения связаны с оценкой параметров распределения:
fit: maximum likelihood estimation of distribution parameters, including location
and scale
fit_loc_scale: estimation of location and scale when shape parameters are given
nnlf: negative log likelihood function
expect: calculate the expectation of a function against the pdf or pmf