我发现在 scipy
中没有实现偏斜广义 t 分布。对于我拟合一些数据来说,这个分布将会非常有用。不幸的是,在这种情况下,fit
对我并没有起作用。更进一步解释,我的实现如下:
import numpy as np
import pandas as pd
import scipy.stats as st
from scipy.special import beta
class sgt(st.rv_continuous):
def _pdf(self, x, mu, sigma, lam, p, q):
v = q ** (-1 / p) * \
((3 * lam ** 2 + 1) * (
beta(3 / p, q - 2 / p) / beta(1 / p, q)) - 4 * lam ** 2 *
(beta(2 / p, q - 1 / p) / beta(1 / p, q)) ** 2) ** (-1 / 2)
m = 2 * v * sigma * lam * q ** (1 / p) * beta(2 / p, q - 1 / p) / beta(
1 / p, q)
fx = p / (2 * v * sigma * q ** (1 / p) * beta(1 / p, q) * (
abs(x - mu + m) ** p / (q * (v * sigma) ** p) * (
lam * np.sign(x - mu + m) + 1) ** p + 1) ** (
1 / p + q))
return fx
def _argcheck(self, mu, sigma, lam, p, q):
s = sigma > 0
l = -1 < lam < 1
p_bool = p > 0
q_bool = q > 0
all_bool = s & l & p_bool & q_bool
return all_bool
所有这些都很好用,我可以轻松生成具有给定参数的随机变量。 _argcheck
是必需的,因为简单的正参数检查不合适。
sgt_inst = sgt(name='sgt')
vars = sgt_inst.rvs(mu=1, sigma=3, lam = -0.1, p = 2, q = 50, size = 100)
然而,当我尝试
适配
这些参数时,出现了错误。sgt_inst.fit(vars)
运行警告:减法中出现无效值
numpy.max(numpy.abs(fsim[0] - fsim[1:])) <= fatol):
只是返回这个结果。
我觉得奇怪的是,当我按照文档中所示实现自定义的高斯分布时,它在运行fit
方法时没有任何问题。
有什么想法吗?