在 Python 中离散对数正态分布答案

【问题标题】：Discretizing lognormal distribution in Python在 Python 中离散对数正态分布
【发布时间】：2017-10-22 22:14:58
【问题描述】：

假设我有一个由

给出的网格

import numpy as np
grid = np.linspace(0,20,1000)

我想得到一个 1000×1 的向量 p，这样如果要绘制点 (grid[i], p[i]) 该图看起来像对数正态分布的密度。

【问题讨论】：

标签： python numpy distribution

【解决方案1】：

使用 scipy 的 stats 获取概率分布的 pdf！

Numpy，在大多数（全部？）情况下仅支持采样方法，而不支持 pdf 计算。需要什么肯定取决于用例。

通常 pdf 在实际的仅采样实现中不起作用，例如在这种情况下，采样减少到 normal-distribution sampling（通常减少到与其他函数结合的均匀采样），然后是指数函数 (@987654323 @):

double rk_lognormal(rk_state *state, double mean, double sigma)
{
    return exp(rk_normal(state, mean, sigma));
}

请务必阅读以上文档以了解如何使用这些文档！

示例代码：

import numpy as np
import scipy.stats as spt
import matplotlib.pyplot as plt

rv = spt.lognorm(0.954)  # "frozen" RV (shape-param fixed)
x_points = np.linspace(1,20,1000, dtype=int)  # 0 excluded
plt.scatter(x_points, rv.pdf(x_points))
plt.show()

输出：

【讨论】：