- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
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。
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])
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>]
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/
from scipy import stats import numpy as np class your_distribution(stats.rv_continuous): def _pd
我有以下代码片段: from scipy import stats class my_distribution(stats.rv_continuous): def __init__(self)
我正在尝试为我根据数据生成/估计的一些 pdf 计算 E[f(x)]。 文档中说: Subclassing New random variables can be defined by subclas
我一直在寻找关于如何使用 rv_continuous 的好的教程或示例,但一直找不到。 我读了: http://docs.scipy.org/doc/scipy/reference/generated
我想自己生成一个有界分布函数。但我在上限中看到了奇怪的行为。这是我的代码: import matplotlib.pyplot as plt from scipy.stats import rv_con
我有以下 scipy.stats.rv_continuous 的子类: from scipy.stats import rv_continuous import math class Distribu
在我的 Python 项目中,我像这样扩展 scipy.stats.rv_continuous: class GenlogisticGen(LmomDistrMixin, scipy.stats.rv
我包含了我在下面编写的代码。由于某种原因,与初始分布相比,上限 0.804 被过度采样。我正在使用的两个发行版都会出现这种情况。 这是 rv_continuous 的常见问题还是我遗漏了什么? imp
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_co
最终,我试图将两个 PDF 之间的 copula 可视化,这两个 PDF 是根据数据估计的(均通过 KDE)。假设,对于其中一个 KDE,我将离散的 x,y 数据排序在一个名为 data 的元组中。我
我正在尝试生成具有特定光度的 QSO 的随机概率密度函数,其形式为: 1/( (L/L_B^* )^alpha + (L/L_B^* )^beta ) 其中 L_B^*、alpha 和 beta 都是
我试图使用 scipy.stats.rv_continuous 对给定概率密度函数(pdf)的随机变量进行采样: class Distribution(stats.rv_continuous):
以下最小示例似乎存在内存泄漏(使用 SciPy 版本 0.17.0 进行测试) import resource from scipy.stats import rv_continuous class
我正在尝试通过子类化 rv_continuous 来生成二维均匀分布. from scipy import stats class uniform_2d(stats.rv_continuous):
我想为一些可能受离散分布支配的数据找到最大似然估计。但是在 scipy.stats 中,只有代表连续分布的类才有合适的函数来做到这一点。代表离散分布的类不代表的原因是什么? 最佳答案 简短的回答:因为
我是一名优秀的程序员,十分优秀!