问题标签 [quad]

我有以下三重积分：

积分

数据为：t 一维数组（大小 124）、pr 一维数组（大小 10）、lat 一维数组（241）和 lon 一维数组（大小 480） V 四维数组（124、10、241、480）

我想在每个 lat 上整合 v over t、pr 和 lon 所以，我使用了以下代码：

但我得到了错误：

ValueError：具有多个元素的数组的真值不明确。使用 a.any() 或 a.all()

tplquad 的工作原理仍然让我感到困惑。对使用 tplquad 或其他功能进行积分有任何帮助吗？

我sqipy.integrate.quad用来计算双积分。基本上我正在尝试计算 exp[-mu_wx_par] 的积分，其中 mu_wx_par 也是一个积分。

我的代码大部分都有效。但是，对于某些值，它会失败，即它返回不正确的值。

的值estimate_42不正确。它应该与 的值大致相同rough_estimate_42。但是请注意，这estimate_43看起来不错。这里发生了什么？

我正在使用 scipy v1.1.0 和 numpy v1.15.1 和 Windows。

有人建议该函数几乎在任何地方都接近于零，因为在这篇文章中scipy integration.quad return an wrong value。情况并非如此，因为tpx_wxfor x=42from a=0to的简单情节b=125-42清楚地表明

所以我想在其中集成一个带有常量的双积分，比如a、b等，用户可以在其中分配这个常量的值：

积分的极限是 x[0,1] 和 y[-1,2]

但我得到这个错误，我不明白为什么：

我不明白。因为当我做同样的事情但使用 quad() Python 时，它是正确的：

结果：

我试图通过指定参数epsabs来更精确地计算积分scipy.integrate.quad，比如我们正在将函数sin(x) / x^2从 1e-16 积分到 1.0

这给了我们

为了使结果更精确，我们指定了绝对误差容限epsabs

结果一模一样，误差还是0.0109那么大！我理解参数epsabs错误吗？我应该做些什么来提高积分的精度？

我正在使用 scipy.integrate 中的 quad 从对象获取有限范围内的积分。假设目标对象处于打击中：

其中 A 和 B 都是 numpy 矩阵。

为了解决这个问题，我使用了打击代码：

但是对于结果，我得到了这个错误：

我知道当函数需要单个值但您传递一个数组时，会引发错误“只有长度为 1 的数组可以转换为 Python 标量”。但我的问题是基于数组。那么我该如何解决它。

我正在尝试解决以下问题：

其中，g 是一个常数，并且 \mu = 0，但我收到了一个警告，结果并不完全是应该的。

这是代码：

这是我得到的结果：

情节给出：

对于大于 1e4 的 T 值是问题开始的地方。在这个值之后它应该几乎保持不变，但是你可以看到它显示的可怕的峰值。我尝试修改 epsabs 和 epsrel 但没有奏效。我试图拆分积分限制，显然从 E = m 到 1e4 它工作正常，但是当它从 E = 1e5 积分到无穷大时又会出现问题。

当我打印积分的结果时，它给出了 nn 的荒谬值（它可以从 5.454320597790705e+17 变为 -3085930898.2363224）。我不知道还能做什么。提前致谢！

我scipy.integrate.quad为不同的集成（x 和 y 值）调用了大约 500 次。这总共需要 46 秒。但是，19 秒是_evaluate._check_bounds单独使用的，又_prepare_x._asarray_validated占用了 11 秒。

我可以以某种方式跳过这些检查并在 16 秒内执行相同的操作吗？

假设车祸所涉及的损失金额是一个指数随机变量，平均值为1000。其中，保险公司只支付超过免赔额400的金额。如果X是代表损失金额的随机变量，则保险赔付为 max(X-400,0)。

我正在尝试使用 scipy 的 quad 函数来评估 max(x-400) 的 0 和无穷大之间的积分

这是更好地可视化的链接：https ://imgur.com/a/XIglH8i

我需要使用蒙特卡罗模拟来验证 670.32 的答案，并且我相信我需要使用 numpy 的 .random.exponential 函数来绘制 10,000,000 个 X 样本。

如前所述，我正在尝试使用 scipy 的四边形来定义积分，但我正在苦苦挣扎的是如何合并重复的循环数，以使 X 被绘制 10,000,000 次。我希望 for 循环效率极低，因此相信使用矩阵操作进行广播可能是更有效的解决方案。不幸的是，这超出了我的编程经验水平，并且可以真正使用一些帮助：有效地收集 X 的样本，然后 2，将其合并到评估 X 积分的函数中，将其存储在一些数据结构中，并重复该过程 10,000,000 次

如何定义我的函数以获取指数数量的变量并存储它们以重复该过程？

结果应该是 ~= 670.32

计算此积分的任何帮助，F函数都使用f涉及第一次积分的函数定义，最后是积分F。

得到错误：

为了规避柯西原理值，我尝试将使用小位移 iε 的积分积分到复平面中以避开极点。但是，从下图中可以推断，结果非常糟糕。此结果的代码如下所示。你有想法如何改进这种方法吗？为什么它不起作用？我已经尝试过改变 ε 或积分中的极限。

编辑：我将“cauchy”方法与原则值包括在内，这似乎根本不起作用。