我试图根据某个丑陋的分布,在Python中生成随机变量。对于PMF,我有一个显式的表达式,但是它涉及到一些产品,这使得获得和反转PMF很不愉快(请参阅下面的代码中的PMF的显式形式)。
本质上,我试图通过它的PMF在Python中定义一个随机变量,然后通过内置代码完成从发行版取样的艰苦工作。如果RV的支持是有限的,我知道如何做到这一点,但是这里的支持是可数无限的。
我目前试图按照per @askewchan的建议运行以下代码:
import scipy as sp
import numpy as np
class x_gen(sp.stats.rv_discrete):
def _pmf(self,k,param):
num = np.arange(1+param, k+param, 1)
denom = np.arange(3+2*param, k+3+2*param, 1)
p = (2+param)*(np.prod(num)/np.prod(denom))
return p
pa_limit = limitrv_gen()
print pa_limit.rvs(alpha,n=1)但是,这将在运行时返回错误:
File "limiting_sim.py", line 42, in _pmf
num = np.arange(1+param, k+param, 1)
TypeError: only length-1 arrays can be converted to Python scalars基本上,np.arange()列表似乎在def _pmf()函数中不起作用。我不知道为什么。有人能在这里启发我和/或指出一个解决办法吗?
编辑1:通过askewchan澄清了一些问题,编辑反映在上面。
编辑2: askewchan建议使用阶乘函数进行一个有趣的近似,但我更多地是寻找一个确切的解决方案,比如我正在尝试使用np.arange的解决方案。
发布于 2014-04-24 18:41:06
您应该能够像这样对rv_discrete进行子类分类:
class mydist_gen(rv_discrete):
def _pmf(self, n, param):
return yourpmf(n, param)然后,您可以使用以下内容创建一个分发实例:
mydist = mydist_gen()并生成具有以下特征的样本:
mydist.rvs(param, size=1000)或者,您可以使用以下方法创建一个冻结的分发对象:
mydistp = mydist(param)并最终生成具有以下内容的样本:
mydistp.rvs(1000)通过您的示例,这应该可以工作,因为factorial会自动广播。但是,对于足够大的alpha,它可能会失败。
import scipy as sp
import numpy as np
from scipy.misc import factorial
class limitrv_gen(sp.stats.rv_discrete):
def _pmf(self, k, alpha):
#num = np.prod(np.arange(1+alpha, k+alpha))
num = factorial(k+alpha-1) / factorial(alpha)
#denom = np.prod(np.arange(3+2*alpha, k+3+2*alpha))
denom = factorial(k + 2 + 2*alpha) / factorial(2 + 2*alpha)
return (2+alpha) * num / denom
pa_limit = limitrv_gen()
alpha = 100
pa_limit.rvs(alpha, size=10)https://stackoverflow.com/questions/23276631
复制相似问题