R gamlss.dist exGAUS 与 scipy.stats exponnorm——如何得到相同的答案

Question

我正在尝试在 Python 的 scipy.stats.exponnorm 中复制来自 R 的 gamlss.dist exGAUS 的答案。

R 中的以下内容返回-0.4003516：

library(gamlss)
qexGAUS(0.5, mu = -1., sigma = .6, nu = .7, lower.tail = TRUE, log.p = FALSE)

但是，scipy 中的以下内容返回 -0.6153701019503552：

from scipy.stats import exponnorm
exponnorm.ppf(q=0.5, K=.7, loc=-1, scale=.6)

如何配置 scipy 输入以获得与 R 中相同的答案？基于Why does gamlss give incorrect estimates of ex-gaussian distribution parameters?，我认为它与输入的对数转换有关，但我似乎无法与对数/反对数输入的各种组合相匹配。

Answer 1

如果您阅读该函数的文档，您会看到您需要按此顺序放置输入，并且 K 实际上是一个类似对象的数组，并且该函数返回一个类似对象的数组。

ppf(q, *args, **kwds) method of scipy.stats._continuous_distns.exponnorm_gen instance
    Percent point function (inverse of `cdf`) at q of the given RV.
    
    Parameters
    ----------
    q : array_like
        lower tail probability
    arg1, arg2, arg3,... : array_like
        The shape parameter(s) for the distribution (see docstring of the
        instance object for more information)
    loc : array_like, optional
        location parameter (default=0)
    scale : array_like, optional
        scale parameter (default=1)
    
    Returns
    -------
    x : array_like
        quantile corresponding to the lower tail probability q.

与 R 实现相比，此函数的输入似乎非常不同。 r 实现只是要求 mu sigma 等来获得分布的形状。

我试着像这样实现它，

我将正态分布放入 K 变量中，并将 loc（均值）和比例（sig）设置在 ppf 之外。

from scipy.stats import exponnorm
norm = stats.norm(1, 0)
x= norm.rvs(1)
exponnorm.ppf(q=0.5, K=x, loc=-1, scale=0.6)

我的输出是，

array([-0.47452099])

K 实际上是采用一组数字来获得相同的分布。我认为他们在 scipy 和 r 中实现这一点的方式是不同的，所以数字将会关闭。

您是否考虑过改用https://github.com/ppsp-team/PyNM？它链接到 R gamlss 包。