在 Python 中从 Weibull 分布中采样特定数量的点答案

【问题标题】：Sampling a specific number of points from a Weibull distribution in Python在 Python 中从 Weibull 分布中采样特定数量的点
【发布时间】：2018-05-01 17:32:46
【问题描述】：

我有一个数据集（大约 1,000 棵树的直径），我从中得出了平均树直径 (21.6”) 和标准偏差 (12.4”)。我的分析表明这些数据来自 Weibull 分布 (numpy.random.weibull)。

我想运行 Monte Carlo 模拟来生成一系列遵循此数据分布的假设森林 - 也就是说，将我的数据从 1,000 棵树外推到直径为 80,000 棵树的森林，该森林直径从我的 Weibull 分布中采样。

为了实现这一点，我想在 Python 中：

使用我的数据集的均值和标准差创建 Weibull 分布
从此分布中采样 20 次以创建这些假设的森林大小分布，其中每个森林有大约 80,000 个点
将这些表格导出到 Excel 中（我推测）以便使用此信息来计算基于直径的森林生物量和碳储存量

我是 stats 和 Python 的完整初学者，并且正在从 scipy 文档中苦苦挣扎可以导出的方式。

对于在构建问题时出现的任何错误或含糊之处，请提前致歉——编码和统计数据的学习曲线肯定很陡峭！

【问题讨论】：

您没有使用均值和方差指定 Weibull 分布（就像使用高斯分布一样）。看看这个链接：Weibull distribution: from mean and variance to shape and scale factor
哎呀，感谢您的现实检查。我认为目前这可能超出了我的技能水平，尤其是与 Python（与 Matlab 相比）没有可比性。也许将 Weibull 部分放在一边：关于如何从不同分布（例如对数正态）中采样的任何见解？
你有原始数据，还是只有平均值和标准。开发者？
我有原始数据，从中我得出均值和标准差。开发。在 JMP 中。

标签： python scipy montecarlo weibull

【解决方案1】：

老问题，但如果有人遇到它，您可以将数据集的均值和标准差转换为 Weibull 分布的参数。

关于如何做到这一点的好答案here。

我们可以在python中实现这个

mu = 21.6
std = 12.4

k = (std/mu)**(-1.086)
lambda_ = mu / (gamma(1 + 1./k))
k, lambda_

(1.8270937149009134, 24.30584398186227)

然后，您可以使用 numpy 模拟 80,000 个新值。您可以将其保存为 csv，该文件可以在 Excel 中使用 pandas 打开。

from numpy.random import weibull
import pandas as pd


synthetic_samples = lambda_ * weibull(k, 80_000)
pd.DataFrame(synthetic_samples).to_csv('new_forest.csv')

【讨论】：