Kumaraswamy-Raplace-Verteilung mit scipy rv_continuous ⇐ Python

[Anonymous]

Ich versuche, ein Skript zu erstellen, um die Kumaraswamy-Laplace-Verteilung anzupassen. Anpassung wird immer mit Nan -Fehler irgendwo. < /p>
mit dem folgenden Versuch: < /p>

Code: Select all

import numpy as np
import pandas as pd
import scipy.stats as st
from scipy.special import beta

class kl(st.rv_continuous):

def _pdf(self, x, mu, sigma, p, q):

v = ( x - mu ) / sigma
#I tried two ways of defining of the function
#y = .5 + .5 * np.sign( v ) * ( 1 - np.exp( - np.abs( v ) ) )
#fx = p * q *.5 / sigma * np.exp( - np.abs( v ) ) * y ** ( p - 1 ) * ( 1 - y ** p ) ** ( q - 1 )
fx = np.where( v < 0 ,
p * q * 2. **(-p) * np.exp( p * v ) * (1. - 2. ** ( - p ) * np.exp( p * v)) **(q - 1.),
.5 * p * q * np.exp (-v) * (1.-.5*np.exp(-v))**(p-1.) * (1.-(1.-.5*np.exp(-v))**p)**(q-1.)
)

return fx

def _argcheck(self, mu, sigma, p, q):

s = sigma > 0
p_bool = p > 0
q_bool = q > 0

all_bool = s & p_bool & q_bool

return all_bool
< /code>
Es scheint, dass ich immer mit dem Fehler ValueError enden: Der Funktionswert bei x = nan ist nan; Solver kann nicht fortgesetzt werden. 

Beim Versuch, die Verteilung anzupassen. Ich nehme an, es stammt aus einem Überlauf, aber ich bin nicht sicher, und ich weiß nicht, wie man es löst! />

Code: Select all

initial_guess = [np.mean(sample_data), np.std(sample_data), 1.0, 1.0] # [mu, sigma, p, q]
estimated_params = my_sgt_distribution.fit(sample_data, *initial_guess)
< /code>
und zu Diagramm: < /p>
import matplotlib.pyplot as plt
import numpy as np

# Explicitly given parameters (replace with your desired values)
mu = 0
sigma = 1
p = 0.6
q = 0.7

# Create an instance of custom distribution
my_kl_distribution = kl()

# Generate x values for plotting
x_values = np.linspace(-5, 5, 1000)

# Calculate PDF and CDF values
pdf_values = my_kl_distribution.pdf(x_values, mu, sigma, p, q)
cdf_values = my_kl_distribution.cdf(x_values, mu, sigma, p, q)

# Plot the PDF
plt.figure(figsize=(10, 5))
plt.plot(x_values, pdf_values, label='PDF')
plt.title('Probability Density Function (PDF) of Kumaraswamy Laplace Distribution')
plt.xlabel('x')
plt.ylabel('Density')
plt.legend()
plt.grid(True)
plt.show()

# Plot the CDF
plt.figure(figsize=(10, 5))
plt.plot(x_values, cdf_values, label='CDF', color='orange')
plt.title('Cumulative Distribution Function (CDF) of Kumaraswamy Laplace Distribution')
plt.xlabel('x')
plt.ylabel('Probability')
plt.legend()
plt.grid(True)
plt.show()