使用OpenTURNS的连续变量和离散变量

Question

如何使用OpenTURNS创建具有连续和离散随机变量的实验设计？

我知道我们可以做到：

X0 = ot.Normal()
X1 = ot.Normal()
distribution  = ot.ComposedDistribution([X0,X1])

但是这只会创建一个连续的联合分布，我可以从中进行采样。但是如何创建连续变量和离散变量的联合分布？我可以从中取样吗？

Answer 1

实际上，通常，OpenTURNS在连续分布和离散分布之间没有太大区别。因此，一旦创建了Distribution，我们要做的就是使用getSample方法来获得一个简单的蒙特卡洛样本。以下示例表明，我们可以通过创建LHS实验设计来进一步推动这一想法。

要创建分布的第一个边际，我们选择单变量离散分布。它们中的许多内容，例如Bernoulli或Geometric发行版，都在库中实现。在此示例中，我们选择UserDefined分布，该分布将相等的权重分配给值-2，-1、1和2。 然后，我们首先使用getSample方法，然后使用MonteCarloExperiment方法来创建蒙特卡洛实验。可以基于此分布生成任何其他类型的实验设计，这就是我们最终展示如何创建LHS（拉丁超立方体）实验的原因。

import openturns as ot
sample = ot.Sample([-2., -1., 1., 2.],1)
X0 = ot.UserDefined(sample)
X1 = ot.Normal()
distribution = ot.ComposedDistribution([X0,X1])
# Monte-Carlo experiment, simplest version
sample = distribution.getSample(10)
print(sample)
# Monte-Carlo experiment
size = 100
experiment = ot.MonteCarloExperiment(distribution, size)
sample = experiment.generate()

以下脚本生成关联的图形。

graph = ot.Graph("MonteCarloExperiment", "x0", "x1", True, "")
cloud = ot.Cloud(sample, "blue", "fsquare", "")
graph.add(cloud)
graph

以前的脚本打印：

    [ v0         X0         ]
0 : [  2         -0.0612243 ]
1 : [  1          0.789099  ]
2 : [ -1          0.583868  ]
3 : [ -1          1.33198   ]
4 : [ -2         -0.934389  ]
5 : [  2          0.559401  ]
6 : [ -1          0.860048  ]
7 : [  1         -0.822009  ]
8 : [  2         -0.548796  ]
9 : [ -1          1.46505   ]

并生成以下图形：

在同一个发行版上创建LHS很简单。

size = 100
experiment = ot.LHSExperiment(distribution, size)
sample = experiment.generate()