【问题标题】:Sampling from a multivariate probability density function in python从python中的多元概率密度函数采样
【发布时间】:2018-07-18 11:02:53
【问题描述】:

我有一个多元概率密度函数P(x,y,z),我想从中采样。通常,我会使用numpy.random.choice() 来完成这类任务,但这个函数只适用于一维概率密度。多变量 PDF 是否有等效函数?

【问题讨论】:

    标签: python random statistics probability probability-density


    【解决方案1】:

    这里有几种不同的路径可供选择。

    (1) 如果 P(x,y,z) 因数为 P(x,y,z) = P(x) P(y) P(z) (即 x、y 和 z 是独立的)然后你可以分别取样。

    (2) 如果 P(x,y,z) 具有更一般的因式分解,您可以将需要抽样的变量数量减少到以其他变量为条件的变量。例如。如果P(x,y,z) = P(z|x, y) P(y | x) P(x),那么可以给x,y给定x,z给定y和x依次采样。

    (3) 对于某些特定的分布,有已知的采样方法。例如。对于多元高斯,如果 x 是来自均值 0 和恒等协方差高斯的样本(即仅将每个 x_i 采样为 N(0, 1)),则 y = L x + m 具有均值 m 和协方差 S = LL' 其中 L是 S 的下三角 Cholesky 分解,它必须是正定的。

    (4) 对于许多多变量分布,以上都不适用,而应用更复杂的方案,例如马尔可夫链蒙特卡罗。

    也许如果您对问题多说一些,可以给出更具体的建议。

    【讨论】:

    • 您好罗伯特,感谢您的帮助。我的 x、y 和 z 不是独立的,它们不是已知的分布。我使用应用于球体表面上的数据点的核密度估计生成了 pdf。因此,x,y,z 等于 x^2+y^2+z^2 = r^2
    • 好的。核密度估计是有限混合分布的一个例子。可以通过根据混合权重随机选择一个混合组分,然后从所选组分中取样,从混合分布中取样。对于核密度估计,通常所有权重都等于 1/n,其中 n = #data,并且混合分量通常很简单,例如高斯凹凸。每个基准凸点是 2 d(位于球体表面)还是 3 d(在表面上方和下方延伸)?
    • 我的每个基准凹凸实际上是 2d。我实际上可以将我的 pdf 减少到只有 theta 和 phi 的函数,因为我正在处理一个恒定的半径。
    • 鉴于此,从内核密度采样等同于随机选择一个数据(以相等的概率),然后以该数据为中心从任何内核采样。我不知道内核是否已经考虑到非平面。如果内核宽度与球体的大小相比较小,您可能可以忽略曲率并假设您可以像内核在平面上一样进行采样。内核是什么样的?顺便说一句,这听起来是个好问题。
    • 我有点困惑。我的 kde 是 theta 和 phi 的函数。我不明白为什么内核需要考虑非平面,因为球面与创建 kde 并不真正相关;这只是我数据的一个属性。你能解释一下如何从这样的分布中随机抽样吗? (谢谢,我认为这也是一个好问题!)
    猜你喜欢
    • 1970-01-01
    • 2014-04-23
    • 1970-01-01
    • 2020-08-28
    • 2019-04-19
    • 2012-11-21
    • 2017-09-20
    • 2015-05-08
    • 2016-06-07
    相关资源
    最近更新 更多