我试图找到一个随机变量事件超过特定值的概率,即pr(x> a),其中a是一些常数,通常远高于x的平均值,而x不是任何标准高斯值分配 . 所以我想要拟合其他概率密度函数,并将x的pdf的积分从a到inf . 由于这是对峰值进行建模的问题,我认为这是一个极值分析问题,并发现Weibull分布可能是合适的 .
关于极值分布,Weibull分布具有非常“不易实现”的积分,因此我认为我可以从Scipy得到pdf,并做一个Riemann和 . 我还认为我还可以简单地评估核密度,获得pdf,并对黎曼和进行相同的操作,以近似积分 .
我在Stack上找到了一个Q,它提供了一种在Python中进行Riemann和的简洁方法,并且我调整了该代码以适应我的问题 . 但是当我评估积分时,我会得到奇怪的数字,表明KDE或者Riemann和函数有问题 .
两个场景,第一个是Weibull,符合Scipy文档:
x = theData
x_grid = np.linspace(0,np.max(x),len(x))
p = ss.weibull_min.fit(x[x!=0], floc=0)
pd = ss.weibull_min.pdf(x_grid,p[0], p[1], p[2])
看起来像这样:
然后还尝试了如下的KDE方法
pd = ss.gaussian_kde(x).pdf(x_grid)
我随后通过以下功能运行:
def riemannSum(a, b, n):
dx = (b - a) / n
s = 0.0
x = a
for i in range(n):
s += pd[x]
x += dx
return s * dx
print(riemannSum(950.0, 1612.0, 10000))
print(riemannSum(0.0, 1612.0, 100000))
在Weibull的情况下,它给了我
>> 0.272502150549
>> 18.2860384829
在KDE的情况下,我得到了
>> 0.448450460469
>> 18.2796021034
这显然是错误的 . 拿整个东西的积分应该给我1和18.2是相当遥远的 .
我对这些密度函数的假设我错了吗?或者我在黎曼和函数中犯了一些错误
3 回答
咦?
Weibull distribution有非常明确的CDF,因此实现积分几乎是单行的(好的,为了清晰起见,请将其设为两个)
当然,如果你想从标准库中挑选,还有
ss.weibull_min.cdf(x_grid,p[0], p[1], p[2])
我知道有一个已经接受的答案对你有用,但我偶然发现了这一点,同时希望看到如何做一个概率密度的黎曼和其他可能也是如此,所以我会给这个 .
基本上,我认为你有(现在是什么)numpy的旧版本允许浮点索引,你的
pd
变量指向从pdf绘制的值对应于xgrid的值 . 现在,当您尝试使用浮点索引时,您将获得numpy中的错误,但是由于您没有,因此您在对应于该索引的网格值处访问pdf的值 . 您需要做的是使用您希望在黎曼总和中使用的新值计算pdf .我编辑了问题中的代码,以创建一个用于计算pdf积分的方法 .
下面也可以使用Riemann实现(它使用Java而不是Python)抱歉 .