Python SciPy stats.skewnorm用法及代码示例

本文简要介绍 python 语言中 scipy.stats.skewnorm 的用法。

用法:

scipy.stats.skewnorm = <scipy.stats._continuous_distns.skewnorm_gen object>#

skew-normal 随机变量。

作为 rv_continuous 类的实例，skewnorm 对象从它继承了一组通用方法(完整列表见下文)，并用特定于此特定发行版的详细信息来完成它们。

注意：

pdf是：

skewnorm.pdf(x, a) = 2 * norm.pdf(x) * norm.cdf(a*x)

skewnorm取一个实数\(a\)作为偏度参数时a = 0该分布与正态分布相同(scipy.stats.norm)。房车实现的方法[1].

上面的概率密度在“standardized” 表格中定义。要移动和/或缩放分布，请使用 loc 和 scale 参数。具体来说，skewnorm.pdf(x, a, loc, scale) 等同于 skewnorm.pdf(y, a) / scale 和 y = (x - loc) / scale 。请注意，移动分布的位置不会使其成为“noncentral” 分布；某些分布的非中心概括可在单独的类中获得。

参考：

[1]

A. Azzalini 和 A. Capitanio (1999)。多元skew-normal分布的统计应用。 J.罗伊。统计学家。社会科学院，B 61, 579-602。 arXiv:0911.2093

例子：

>>> import numpy as np
>>> from scipy.stats import skewnorm
>>> import matplotlib.pyplot as plt
>>> fig, ax = plt.subplots(1, 1)

计算前四个时刻：

>>> a = 4
>>> mean, var, skew, kurt = skewnorm.stats(a, moments='mvsk')

显示概率密度函数(pdf)：

>>> x = np.linspace(skewnorm.ppf(0.01, a),
...                 skewnorm.ppf(0.99, a), 100)
>>> ax.plot(x, skewnorm.pdf(x, a),
...        'r-', lw=5, alpha=0.6, label='skewnorm pdf')

或者，可以调用分布对象(作为函数)来固定形状、位置和比例参数。这将返回一个 “frozen” RV 对象，其中包含固定的给定参数。

冻结分布并显示冻结的 pdf ：

>>> rv = skewnorm(a)
>>> ax.plot(x, rv.pdf(x), 'k-', lw=2, label='frozen pdf')

检查 cdf 和 ppf 的准确性：

>>> vals = skewnorm.ppf([0.001, 0.5, 0.999], a)
>>> np.allclose([0.001, 0.5, 0.999], skewnorm.cdf(vals, a))
True

生成随机数：

>>> r = skewnorm.rvs(a, size=1000)

并比较直方图：

>>> ax.hist(r, density=True, bins='auto', histtype='stepfilled', alpha=0.2)
>>> ax.set_xlim([x[0], x[-1]])
>>> ax.legend(loc='best', frameon=False)
>>> plt.show()