Question

我正在试图弄清楚如何创建一个新的scipy.stats.rv_continuous子类。我的分布取决于“位置”和“形状”参数，但_pdf中的scipy.stats.distributions的每个示例都假设形状＆amp;位置参数可以简单地应用于X轴，而某些分布则不是这种情况。

例如，我正在使用的一个分布是对数正态的修改版本，其中X轴位置明确地取决于分布的宽度，即：

def _pdf(self, x, x0, s):
    Px = exp(-(log(x/x0)+s**2/2.)**2 / (2*s**2))
    return Px / (s*x0*sqrt(2*pi))

我希望能够loc使用x0，scale使用s。有没有办法做到这一点，还是有更好的方法来继承rv_continuous？

（请注意，仅仅使用我定义的PDF会导致其他rv_continuous方法出现问题，例如.fit，因为loc和scale仍在处理中作为“自由参数”，即使它们不应该是）

Answer 1

您真的不应该尝试更改loc和scale的含义。它们是标准的，定义明确的位置和比例参数，例如，在scipy.stats tutorial，维基百科here和here以及here中进行了解释。

正如我在评论中提到的，您的公式中似乎缺少1/x0因子。没有它，PDF的0到无穷大的积分是x0，而不是1。

通过更正，很明显x0实际上是比例参数。 s是形状参数。与仅在正实轴上定义的许多其他分布（例如，伽马或对数正态）一样，您可以简单地忽略位置参数 - 其默认值为0.（如果使用fit方法，请确保使用参数floc=0，以防止该方法将loc视为自由参数。）但是，我不确定你的意思是“X轴位置明确取决于宽度分布“ - 什么的X轴位置？

Answer 2

除了沃伦的回答：

scipy.stats中的分布假设loc和scale是通常的标准化y = (x - loc) / scale。因此，如果不遵循该定义，则无法对分发进行子类化。

但是，您可以编写一个新的包装类，该类委托给scipy.stats.distributions的（子）类，并在此包装类中进行任何重新参数化。

在这种情况下，您可以修复一些参数，例如loc，并在调用标准类之前更改参数名称。

使用更标准的参数化创建一个lognorm包装器可以更容易在遵循例如教科书时使用，但不会做与scipy.stats中的分发不同的任何事情。

对scipy的连续分布进行子类化

2 个答案: