python函数算面积_计算两个函数的重叠面积

我需要计算两个函数重叠的面积。在这个特殊的简化示例中，我使用正态分布，但我需要一个更通用的过程，它也适用于其他函数。在

请参见下图，了解我的意思，红色区域是我要追求的：

这是我目前掌握的MWE：import matplotlib.pyplot as plt

import numpy as np

from scipy import stats

# Generate random data uniformly distributed.

a = np.random.normal(1., 0.1, 1000)

b = np.random.normal(1., 0.1, 1000)

# Obtain KDE estimates foe each set of data.

xmin, xmax = -1., 2.

x_pts = np.mgrid[xmin:xmax:1000j]

# Kernels.

ker_a = stats.gaussian_kde(a)

ker_b = stats.gaussian_kde(b)

# KDEs for plotting.

kde_a = np.reshape(ker_a(x_pts).T, x_pts.shape)

kde_b = np.reshape(ker_b(x_pts).T, x_pts.shape)

# Random sample from a KDE distribution.

sample = ker_a.resample(size=1000)

# Compute the points below which to integrate.

iso = ker_b(sample)

# Filter the sample.

insample = ker_a(sample) < iso

# As per Monte Carlo, the integral is equivalent to the

# probability of drawing a point that gets through the

# filter.

integral = insample.sum() / float(insample.shape[0])

print integral

plt.xlim(0.4,1.9)

plt.plot(x_pts, kde_a)

plt.plot(x_pts, kde_b)

plt.show()

这里我应用Monte Carlo来得到积分。在

这种方法的问题是，当我用ker_b(sample)（或ker_a(sample)）计算任一分布中的采样点时，我得到的值直接放在KDE线的上。因此，即使是明显重叠的分布，也应返回非常接近1的公共/重叠面积值。返回较小的值（任一曲线的总面积为1。因为它们是概率密度估计）。在

如何修复此代码以获得预期结果？在

这就是我如何应用珍雅的答案

^{pr2}$