scipy 偏态分布的随机变量

尝试从 SciPy 的分布中抽取随机数，就像使用 stats.norm.rvs 一样。然而，我试图从我拥有的经验分布中获取数字 - 这是一个倾斜的数据集，我想将倾斜和峰度合并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偏斜和科特。范数函数采用由“mvsk”的某种排列组成的“时刻”参数，其中 s 和 k 代表偏斜和峰度，但显然所做的只是要求从 rv 计算 s 和 k，而我想首先建立 s 和 k 作为分布参数。

不管怎样，我无论如何都不是统计专家，也许这是一个简单或误导性的问题。将不胜感激任何帮助。

编辑：如果这四个矩不足以很好地定义分布，是否有其他方法可以绘制与经验分布一致的值，如下所示：https://i.stack.imgur.com/zia1r.png https://i.stack.imgur.com/zia1r.png

如果您不担心陷入分布的尾部， 并且数据是浮点数，那么 您可以从经验分布中采样。

• 对数据进行排序。
• 在数据前面加上 0。
• 令 N 表示该 data_array 的长度
• 计算 q=scipy.rand()*N
• idx=int(q); di=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 中进行线性插值以获得 随机变量。

两个潜在的问题是（1）如果你的数据集很小，你可能无法代表 分布良好，并且（2）你不会生成大于最大的值 您现有数据集中的一个。

为了超越这些，您需要查看参数分布，例如上面提到的伽玛分布。