Question

我一直在寻找一个很好的教程或如何使用rv_continuous的例子，但我找不到。

我看了：

但实际上并没有那么有用（而且它没有任何关于如何使用它的例子）。

我希望能够做的事情的一个例子是，指定任何概率分布并能够调用fit然后只是简单地获得我想要的pdf并且能够调用{{1并获得所需的预期值。

到目前为止我理解的是，为了创建任何可能的分布，我们需要为它创建自己的类，然后继承expect。然后，通过指定自定义rv_continuous或_pdf，我们应该能够简单地使用_cdf为我们提供的每种方法。与rv_continuous和expect一样，现在应该可以使用。

然而，对我来说真正神秘的是，如果我们不明确告诉rv_continuous指定概率分布的参数是什么，它是否真的能够正确地完成所有这些方法？它是如何使用_pdf或_cdf进行的呢？

或者我只是误解了它是如何工作的？

此外，如果您可以提供一个简单的示例，了解它的工作原理以及如何使用fit和/或expect，那就太棒了！或者可能是一个更好的教程或链接，它会很酷。

先谢谢。

Answer 1

基本上，rv_continuous用于子类化。如果您需要未在scipy.stats中定义的分发（其中有超过70个），请使用它。

了解它的工作原理。简而言之，它使用通用代码路径：如果您的子类定义_pdf并且未定义_logpdf，则它继承

def _logpdf(self, x, *args):
    return log(self._pdf(x, *args))

重新参数。你可能意味着形状参数，对吗？它们是inspect _pdf或_cdf的签名自动推断的，请参阅https://github.com/scipy/scipy/blob/master/scipy/stats/_distn_infrastructure.py#L617。如果要绕过检查，请将shapes参数提供给实例的构造函数：

class Mydist(stats.rv_continuous):
    def _pdf(self, x, a, b, c, d):
       return 42
mydist = Mydist(shapes='a, b, c, d')

[严格来说，这仅适用于scipy 0.13及以上。早期版本使用的是不同的机制，需要shapes属性。]