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

Question

编辑：计算出发行版。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。

---

我正在尝试用scipy stats创建一个偏斜的正态分布。我现在只需要PDF。

我将rv_continuous子类化了，但是当我使用skew_norm.pdf(x, shape)时，我得到了一个N​​aN数组。

这是我的班级：

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')

我已经尝试直接计算PDF（在课堂之外）并且有效。

此外，如果我添加*args*，我可以通过位置＆amp;像我正常分发PDF norm.pdf(x, loc=mu, scale=std)：

那样缩放

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')

感谢。

---

修改

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纳米数组，有时会抛出一个值数组。

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：

如果形状参数是＆lt;

，则PDF会吐出NaN。 0.

我可以直接计算skewnorm PDF并且没问题。如果我尝试使用子类PDF，则返回NaN。

Answer 1

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，您可以传递额外的*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>]

编辑：

在您的示例数据中，s为负数，这会导致生成的pdf仅包含nan，{{1}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rv_continuous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都是> 0。在这种情况下，它不是。

因此，解决方法是通过以下方式覆盖默认的_argcheck()方法：

_argchek()

然后它应该可以正常工作。

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