如何将numpy.random.beta( alpha，beta)和scipy.stats.beta(alpha，beta，loc，scale)之间的β分布的α和beta参数联系起来？

Question

我使用numpy分布来生成montecarlo模拟的随机数，使用更合适的库来拟合结果的分布。问题是，相应地，拟合的参数作为4个参数(a，b，loc，scale)返回到枕库，我需要找到numpy (a，b)的等效参数。

如果拟合scipy.stats.beta(a，b，loc=0，scale=1)(蓝线)，则等于numpy.random.beta(a，b)(条形)

​

我尝试将它们与scify.stats.beta.fit(x、floc=0、fscale=1)相匹配，并得到以下错误：

scipy.stats._continuous_distns.FitDataError：data中的无效值。最大似然估计与‘β’要求0< (x - loc)/scale <1的每x在data。

如果不将floc设置为0，fscale设置为1，则返回的结果如下: 147.1,147.06，-23.56,137.13，即a，b，loc，scale。

如何将它们转换为a、b、loc=0、scale=1？

我的问题是，我正在创建一个软件，在这个软件中，用户按照概率分布创建输入变量，执行Monte模拟，并得到输出变量的结果。我正在对这些变量的分布执行拟合，并且需要以相同的格式将拟合的参数返回给用户，最初输入它们。如果用户使用alpha和beta参数在beta发行版之后创建变量，则不能返回4个参数来模拟Beta分布。我已经能够用我需要的其他发行版来完成它，但我正在与Beta堆栈

Answer 1

如果您有beta发行版的参数a、b、loc和scale，并且希望使用NumPy从发行版生成n随机样本，则可以编写

sample = loc + scale*np.random.beta(a, b, size=n)  # Legacy random API

或者，使用更新的(和推荐的) API

rng = np.random.default_rng()
sample = loc + scale*rng.beta(a, b, size=n)

您还可以使用rvs()方法的scipy.stats.beta

sample = scipy.stats.beta.rvs(a, b, loc=loc, scale=scale, size=n)

Answer 2

我有个概念上的问题。要强制loc和scale为0和1，就像在numpy中一样，您可以这样做：

betafun =scipy.stats.beta.fit(值、floc=0、fscale=1)

问题是，如果值大于1或小于0，则不能以这种方式调整一系列数字，因为我正用loc和scale值精确地设置这些限制，代码将返回一个错误。如果我需要调整不在0到1范围内的一系列数字，则loc和scale的值不能是0和1。