skeip正態分佈在scipy

Question

有誰知道如何繪製與scipy skew正態分佈？ 我認爲stats.norm類可以使用，但我不知道如何。 此外，如何估計描述一維數據集偏斜正態分佈的參數？

Answer 1

從維基百科description，

from scipy import linspace 
from scipy import pi,sqrt,exp 
from scipy.special import erf 

from pylab import plot,show 

def pdf(x): 
    return 1/sqrt(2*pi) * exp(-x**2/2) 

def cdf(x): 
    return (1 + erf(x/sqrt(2)))/2 

def skew(x,e=0,w=1,a=0): 
    t = (x-e)/w 
    return 2/w * pdf(t) * cdf(a*t) 
    # You can of course use the scipy.stats.norm versions 
    # return 2 * norm.pdf(t) * norm.cdf(a*t) 


n = 2**10 

e = 1.0 # location 
w = 2.0 # scale 

x = linspace(-10,10,n) 

for a in range(-3,4): 
    p = skew(x,e,w,a) 
    plot(x,p) 

show() 

如果你想使用e=1.0，w=2.0和a=1.0找到規模，位置和形狀參數從一個數據集使用scipy.optimize.leastsq，例如，

fzz = skew(x,e,w,a) + norm.rvs(0,0.04,size=n) # fuzzy data 

def optm(l,x): 
    return skew(x,l[0],l[1],l[2]) - fzz 

print leastsq(optm,[0.5,0.5,0.5],(x,)) 

應該給你類似的東西，

(array([ 1.05206154, 1.96929465, 0.94590444]), 1)