pg_math
使用GSL库的数学统计函数
仓库
chanukyasds/pg_math
https://github.com/chanukyasds/pg_math
源码
pg_math-1.1.0.tar.gz
pg_math-1.1.0.tar.gz
概览
| 扩展包名 | 版本 | 分类 | 许可证 | 语言 |
|---|---|---|---|---|
pg_math | 1.1.0 | FUNC | GPL-3.0 | C |
| ID | 扩展名 | Bin | Lib | Load | Create | Trust | Reloc | 模式 |
|---|---|---|---|---|---|---|---|---|
| 4780 | pg_math | 否 | 是 | 否 | 是 | 否 | 是 | - |
| 相关扩展 | pg_idkit pgx_ulid pg_uuidv7 permuteseq pg_hashids sequential_uuids topn quantile |
|---|
版本
| 类型 | 仓库 | 版本 | PG 大版本 | 包名 | 依赖 |
|---|---|---|---|---|---|
| EXT | PIGSTY | 1.1.0 | 1817161514 | pg_math | - |
| RPM | PIGSTY | 1.1.0 | 1817161514 | pg_math_$v | - |
| DEB | PIGSTY | 1.1.0 | 1817161514 | postgresql-$v-pg-math | - |
构建
您可以使用 pig build 命令构建 pg_math 扩展的 RPM / DEB 包：
pig build pkg pg_math # 构建 RPM / DEB 包
安装
您可以直接安装 pg_math 扩展包的预置二进制包，首先确保 PGDG 和 PIGSTY 仓库已经添加并启用：
pig repo add pgsql -u # 添加仓库并更新缓存
使用 pig 或者是 apt/yum/dnf 安装扩展：
pig install pg_math; # 当前活跃 PG 版本安装
pig ext install -y pg_math -v 18 # PG 18
pig ext install -y pg_math -v 17 # PG 17
pig ext install -y pg_math -v 16 # PG 16
pig ext install -y pg_math -v 15 # PG 15
pig ext install -y pg_math -v 14 # PG 14
dnf install -y pg_math_18 # PG 18
dnf install -y pg_math_17 # PG 17
dnf install -y pg_math_16 # PG 16
dnf install -y pg_math_15 # PG 15
dnf install -y pg_math_14 # PG 14
apt install -y postgresql-18-pg-math # PG 18
apt install -y postgresql-17-pg-math # PG 17
apt install -y postgresql-16-pg-math # PG 16
apt install -y postgresql-15-pg-math # PG 15
apt install -y postgresql-14-pg-math # PG 14
创建扩展：
CREATE EXTENSION pg_math;
用法
基于 GNU 科学计算库（GSL）提供 31 种统计分布的 CDF（累积分布函数）和 RDF（随机分布函数）。
CREATE EXTENSION pg_math;
支持的分布
高斯分布、单位高斯分布、高斯尾分布、二元高斯分布、F 分布、指数分布、拉普拉斯分布、指数幂分布、柯西分布、瑞利分布、瑞利尾分布、朗道分布、伽马分布、均匀分布、对数正态分布、卡方分布、t 分布、贝塔分布、逻辑斯蒂分布、帕累托分布、韦伯分布、第一类 Gumbel 分布、第二类 Gumbel 分布、泊松分布、伯努利分布、二项分布、负二项分布、帕斯卡分布、几何分布、超几何分布、对数分布。
函数命名约定
rdf_<distribution>(...)– 随机分布函数（概率密度值）cdf_<distribution>_p(...)– 累积分布 P 值cdf_<distribution>_q(...)– 累积分布 Q 值（1-P）cdf_<distribution>_pinv(...)– 逆 CDF Pcdf_<distribution>_qinv(...)– 逆 CDF Q
示例
-- 高斯分布
SELECT rdf_gaussian(1.5, 2.0); -- x=1.5, sigma=2.0 处的概率密度
SELECT cdf_gaussian_p(1.5, 2.0); -- CDF P 值
-- 单位高斯分布（标准正态）
SELECT cdf_unit_gaussian_p(1.96); -- ~0.975
-- 卡方分布
SELECT cdf_chisq_p(3.84, 1.0); -- ~0.95
-- t 分布
SELECT cdf_tdist_pinv(0.975, 10.0); -- df=10 时 95% 置信区间的临界值
-- 泊松分布
SELECT rdf_poisson(5, 3.0); -- lambda=3 时 P(X=5)
-- 贝塔分布
SELECT rdf_beta(0.5, 2.0, 5.0); -- x=0.5, a=2, b=5 处的概率密度