首页 文章

通过子类化scipy.stats.rv_continuous来创建偏斜正态分布的问题

提问于
浏览 次
3

EDIT: 想出了分布 . 并且它主要工作，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 .

我试图用scipy stats创建一个偏斜的正态分布 . 我现在只需要PDF .

我继承 rv_continuous 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 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')

我已经尝试过直接计算PDF（课外）并且有效 .

此外，如果我添加 *args* ，我可以传递位置和比例，就像我正常分发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：

我还尝试了一个简单的例子，感谢CT朱的建议 . 下面的代码有时会吐出一个nan数组，有时会吐出一个值数组 .

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shape参数<0，则PDF会吐出NaN .

我可以直接计算skewnorm PDF，它很好 . 如果我尝试使用子类PDF，则返回NaN .

python statistics scipy

1 回答

  • 4

    无法复制错误，请参阅：

    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，你可以通过额外的 *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>]

    enter image description here

    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 ， rv_continuous 定义的默认 badvalue （我认为所谓的内容） .

    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 . 默认设置是检查所有参数是否> 0 . 在这种情况下，它不是 .

    因此，解决方案是通过以下方式覆盖默认的 _argchek() 方法：

    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)

    然后它应该工作正常 .

    （Alos我建议调用附加参数 skew ，只是为了便于阅读.'s'可能意味着标准差等 . ）

    回复于

相关问题