Question

尝试从SciPy中的分布中绘制一个随机数，就像使用stats.norm.rvs一样。但是，我试图从我所拥有的经验分布中获取数字 - 这是一个偏斜的数据集，我想将偏斜和峰度融入到我正在绘制的分布中。理想情况下，我只想调用stats.norm.rvs（loc = blah，scale = blah，size = blah），然后除了均值和方差之外还设置skew和kurt。范数函数采用'时刻'参数组成'mvsk'的一些排列，其中s和k代表偏斜和峰度，但显然所有这一切都要求s和k从rv计算，而我想要建立s和k作为分布的参数开始。

无论如何，我不是任何统计专家，也许这是一个简单或误导的问题。非常感谢任何帮助。

编辑：如果四个时刻不足以足够好地定义分布，是否有其他方法可以绘制由经验分布组成的值，如下所示：http://i.imgur.com/3yB2Y.png

Answer 1

正态分布只有2个参数，均值和方差。有正态分布的扩展，有4个参数，附加偏斜和峰度。一个例子是Gram-Charlier扩展，但据我记得只有pdf可用于scipy，而不是rvs。

作为替代方案，scipy.stats中的分布有4个参数，如johnsonsu，它们是灵活的但具有不同的参数化。

但是，在您的示例中，分布是针对大于零的值，因此近似正态分布不会很好地工作。正如安德鲁建议的那样，我认为你应该查看scipy.stats中具有零下限的分布，比如gamma，你可能会发现一些接近的东西。

另一种选择，如果你的样本足够大，那就是使用gaussian_kde，它也可以创建随机数。但是gaussian_kde也不是为有限的分布而设计的。

Answer 2

如果你不担心进入发行的尾巴，然后，数据是浮点数你可以从经验分布中抽样。

对数据进行排序。
将0添加到数据中。
设N表示此data_array的长度
计算q = scipy.rand（）* N
IDX = INT（Q）;二= Q-IDX
xlo = data_array [idx]，xhi = data_array [idx + 1];
返回xlo +（xhi-xlo）* di

基本上，这是在经验CDF中线性插值来获得的随机变量。

两个潜在的问题是（1）如果你的数据集很小，你可能不代表分配好，（2）你不会产生大于最大值的值现有数据集中的一个。

超越那些您需要查看参数分布的内容，例如上面提到的gamma分布。

Answer 3

也许我误解了，我当然不是统计专家，但你的形象看起来有点像gamma distribution。

Scipy包含专门用于伽马分布的代码 - http://www.scipy.org/doc/api_docs/SciPy.stats.distributions.html#gamma

Answer 4

如果需要，

简短回答替换为其他分发：

n = 100
a_b = [rand() for i in range(n)]
a_b.sort()
# len(a_b[:int(n*.8)])
c = a_b[int(n*.8)]
print c

具有scipy的偏态分布的随机变量

4 个答案: