我试图在 Python 中根据某种丑陋的分布生成随机变量。我有一个 PMF 的显式表达式,但它涉及一些产品,这使得获取和反转 CDF 变得不愉快(有关 PMF 的显式形式,请参见下面的代码)。
本质上,我试图通过其 PMF 在 Python 中定义一个随机变量,然后让内置代码完成从分布中采样的艰苦工作。如果 RV 的支持是有限的,我知道如何做到这一点,但这里的支持是无限的。
根据@askewchan 下面的建议,我目前尝试运行的代码是:
import scipy as sp
import numpy as np
class x_gen(sp.stats.rv_discrete):
def _pmf(self,k,param):
num = np.arange(1+param, k+param, 1)
denom = np.arange(3+2*param, k+3+2*param, 1)
p = (2+param)*(np.prod(num)/np.prod(denom))
return p
pa_limit = limitrv_gen()
print pa_limit.rvs(alpha,n=1)
但是,这会在运行时返回错误:
File "limiting_sim.py", line 42, in _pmf
num = np.arange(1+param, k+param, 1)
TypeError: only length-1 arrays can be converted to Python scalars
基本上,np.arange()
列表似乎无法在 def _pmf()
函数中正常工作。我不知道为什么。任何人都可以在这里启发我和/或指出修复方法吗?
编辑 1: 清除了 askewchan 提出的一些问题,编辑反射(reflect)在上面。
编辑 2: askewchan 建议使用阶乘函数进行有趣的近似,但我正在寻找更精确的解决方案,例如我尝试使用 np.arange 的解决方案。
最佳答案
您应该能够像这样子类化 rv_discrete
:
class mydist_gen(rv_discrete):
def _pmf(self, n, param):
return yourpmf(n, param)
然后您可以创建一个分发实例:
mydist = mydist_gen()
并生成样本:
mydist.rvs(param, size=1000)
或者您可以创建一个卡住的分布对象:
mydistp = mydist(param)
最后生成样本:
mydistp.rvs(1000)
对于您的示例,这应该可行,因为 factorial
会自动广播。但是,对于足够大的 alpha
,它可能会失败:
import scipy as sp
import numpy as np
from scipy.misc import factorial
class limitrv_gen(sp.stats.rv_discrete):
def _pmf(self, k, alpha):
#num = np.prod(np.arange(1+alpha, k+alpha))
num = factorial(k+alpha-1) / factorial(alpha)
#denom = np.prod(np.arange(3+2*alpha, k+3+2*alpha))
denom = factorial(k + 2 + 2*alpha) / factorial(2 + 2*alpha)
return (2+alpha) * num / denom
pa_limit = limitrv_gen()
alpha = 100
pa_limit.rvs(alpha, size=10)
关于python - SciPy:从 PMF 生成自定义随机变量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23276631/