Skip to main content
 首页 » 编程设计

Python:如何定义自定义分布

2025年02月15日8emanlee

我想创建一个基于 Levy 截断法则的自定义分布,它显示为

p(r) = (r + r0)**(-beta)*exp(-r/k)。

所以我是这样定义的:

import numpy as np 
import scipy.stats as st 
 
class LevyPDF(st.rv_continuous): 
    def _pdf(self,r): 
        r0 = 100 
        k = 1500 
        beta = 1.6 
        return (r + r0)**(-beta)*np.exp(-r/k) 

假设我想找到 r = 0 和 r = 50km 之间的距离分布。然后:

nmin = 0 
nmax = 50 
my_cv = LevyPDF(a=nmin, b=nmax, name='LevyPDF') 
x = np.linspace(nmin, nmax, (nmax-nmin)*2) 

我不明白为什么:

sum(my_cv.cdf(x)) = 2.22 

而不是 1。

那么如何根据我定义的分布定义 N = 2000000 随机距离的直方图?

请您参考如下方法:

使用您的最小示例(稍微改编):

import scipy.stats as st 
import numpy as np 
import matplotlib.pyplot as plt 
 
class LevyPDF(st.rv_continuous): 
    def _pdf(self,r): 
        r0 = 100 
        k = 1500 
        beta = 1.6 
        return (r + r0)**(-beta)*np.exp(-r/k) 
 
nmin = 0 
nmax = 50 
my_cv = LevyPDF(a=nmin, b=nmax, name='LevyPDF') 

要从您的随机变量中抽样,请使用 rvs()方法来自 rv_continuous类:

N = 50000 
X = my_cv.rvs(size=N, random_state=1) 

将返回一个大小为 (N,) 的数组,其中包含从您的分布中采样的随机变量。使用 random_state 选项来卡住您的示例并使您的脚本可重复(它为您的采样定义了随机种子)。

请注意,随着 N 缓慢增加,计算时间会急剧增加。

要绘制直方图,请使用 matplotlib 库,请参阅 hist :

fig, axe = plt.subplots() 
n, bins, patches = axe.hist(X, 50, normed=1, facecolor='green', alpha=0.75) 
plt.show(axe) 

下面是一个 40 自由度的卡方采样示例:

from scipy import stats 
import numpy as np 
import matplotlib.pyplot as plt 
rv = stats.chi2(40) 
N = 200000 
X = rv.rvs(size=N, random_state=1) 
fig, axe = plt.subplots() 
n, bins, patches = axe.hist(X, 50, normed=1, facecolor='green', alpha=0.75) 
plt.show(axe) 

它导致: