编辑:计算出分布。并使其大部分工作,除了形状参数为负时。 PDF 应该适用于负形状值,但不适用于子类分布。
我正在尝试使用 scipy 统计数据创建偏态正态分布。我现在只需要PDF。
我对 rv_continuous
进行了子类化,但是当我使用 skew_norm.pdf(x, shape)
时,我得到了一个 NaN 数组。
这是我的类(class):
class skew_norm_gen(rv_continuous):
def _pdf(self, x, s):
return 2 * norm.pdf(x) * norm.cdf(x * s)
skew_norm = skew_norm_gen(name='skew_norm', shapes='s')
我试过直接(在类之外)计算 PDF,这很有效。
此外,如果我添加 *args*
是否可以像正态分布 PDF norm.pdf(x, loc=mu, scale=std )
:
class skew_norm_gen(rv_continuous):
def _pdf(self, x, s, *args):
return 2 * norm.pdf(x, *args) * norm.cdf(x * s, *args)
skew_norm = skew_norm_gen(name='skew_norm', shapes='s')
谢谢。
编辑:
感谢 CT Zhu 的建议,我也尝试了一个简单的例子。下面的代码有时吐出一个 nan 数组,有时吐出一个值数组。
In [26]:
import scipy.stats as ss
class skew_norm_gen(ss.rv_continuous):
def _pdf(self, x, s):
return 2 * ss.norm.pdf(x) * ss.norm.cdf(x * s)
skew_norm = skew_norm_gen(name='skew_norm', shapes='s')
In [27]:
data = ss.norm.rvs(0, size=100)
s = ss.skew(data)
skew_norm.pdf(data, s)
Out[28]:
array([ nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
nan])
编辑 2:
如果形状参数 < 0,PDF 会输出 NaN。
我可以直接计算 skewnorm PDF,没问题。如果我尝试使用子类化的 PDF,它会返回 NaN。
最佳答案
无法复现错误,参见:
In [15]:
import scipy.stats as ss
class skew_norm_gen(ss.rv_continuous):
def _pdf(self, x, s):
return 2 * ss.norm.pdf(x) * ss.norm.cdf(x * s)
skew_norm = skew_norm_gen(name='skew_norm', shapes='s')
In [17]:
skew_norm.pdf(3, 4)
Out[17]:
0.0088636968238760151
是的,你可以传递额外的*args
:
In [18]:
class skew_norm_gen(ss.rv_continuous):
def _pdf(self, x, s, *args):
return 2 * ss.norm.pdf(x, *args) * ss.norm.cdf(x * s, *args)
skew_norm = skew_norm_gen(name='skew_norm', shapes='s')
In [20]:
skew_norm.pdf(3, 4, loc=0.5, scale=3)
Out[20]:
0.18786061213807126
In [21]:
skew_norm.pdf(3, s=4, loc=0.5, scale=3)
Out[21]:
0.18786061213807126
In [22]:
skew_norm.pdf(3, s=4, loc=0, scale=1)
Out[22]:
0.0088636968238760151
In [28]:
plt.plot(np.linspace(-5, 5), skew_norm.pdf(np.linspace(-5,5),4), label='Skewed')
plt.plot(np.linspace(-5, 5), ss.norm.pdf(np.linspace(-5,5)), label='Normal')
plt.legend()
Out[28]:
[<matplotlib.lines.Line2D at 0x1092667d0>]
编辑:
在您的示例数据中,s
为负数,这导致生成的 pdf 仅包含 nan
,默认的 badvalue
(我认为所谓的)由 rv_continuous
定义。
问题的根源是:有一个默认的 _argcheck()
方法,用于验证参数是否有效。默认是检查是否所有参数都>0。在这种情况下,它不是。
所以解决方案是覆盖默认的 _argchek()
方法,方法是:
class skew_norm_gen(ss.rv_continuous):
def _argcheck(self, skew):
return np.isfinite(skew) #I guess we can confine it to finite value
def _pdf(self, x, skew):
return 2 * ss.norm.pdf(x) * ss.norm.cdf(x * skew)
然后它应该可以正常工作。
(此外,我建议调用附加参数 skew
,只是为了提高可读性。's' 可以表示标准偏差等)
关于python - 通过子类化 scipy.stats.rv_continuous 创建偏斜正态分布的问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25043103/