python - 如何使用 numpy 提取具有 tweedie 分布的样本

Question

我正在尝试绘制随机样本的 CDF，以与遵循 tweedie 分布的数据集中的目标进行比较。我知道以下代码将沿泊松分布抽取随机样本:

import numpy as np
import matplotlib.pyplot as plt

x_r = np.random.poisson(lam = coll_df['pure_premium'].mean(), size = len(coll_df['pure_premium'])).sort()

y_r = np.arange(1, len(x)+1)/len(x)

_ = plt.plot(x, y_r, color = 'red')

_ = plt.xlabel('Percent of Pure Premium')

_ = plt.ylabel('ECDF')

但是，随机抽样没有 tweedie 分布选项。有人知道如何将其组合在一起吗？

Answer 1

PyPI 有一个 tweedie package 。一个最小的采样示例是:

import tweedie, seaborn as sns, matplotlib.pyplot as plt

tvs = tweedie.tweedie(mu=10, p=1.5, phi=20).rvs(100000)

sns.distplot(tvs)
plt.show()

该包的 GitHub 页面有一个更奇特的 example 。该包实现 rv_continuous ，因此除了 rvs() 之外，人们还获得了一堆其他功能。 。另外，虽然似乎没有很好的在线文档，但 help(tweedie.tweedie) 提供了很多详细信息。