我们有位置=0、尺度=1和形状=0的偏态正态分布，那么它与均值0和方差1的标准正态分布相同。但是如果我们改变形状参数说形状=5，那么均值和方差也有变化。我们如何用不同的形状参数值来修复均值和方差
【问题讨论】：
标签： statistics
只要看看如何计算偏态正态分布的均值和方差，您就会得到答案！知道平均值看起来像：
和
您可以看到，在 xi=0（位置）、omega=1（比例）和 alpha=0（形状）的情况下，您确实得到了标准正态分布（均值=0，标准差=1）：
如果您只将 alpha（形状）更改为 5，则可以，但平均值会相差很大，并且会是正数。如果你想用更高的 alpha（形状）将平均值保持在零附近，你将不得不减少其他参数，例如：欧米茄（比例）。最明显的解决方案可能是将其设置为零而不是 1。请参阅：
均值已设置，我们必须得到等于零的方差，欧米茄设置为零，形状设置为 5。公式已知：
使用我们已知的参数：
这太疯狂了 :) 不能这样。您也可以返回并更改 xi 而不是 omega 的值，以获得等于零的平均值。但这样一来，您可能首先使用给定的方差公式计算 omega 的唯一可能值。
那么欧米茄应该在 1.605681 左右（负数或正数）。
回归意思：
因此，使用以下参数，您应该得到一个您想要的分布：
位置 = 1.256269（负或正），比例 = 1.605681（负或正）和形状 = 5。
请有人测试一下，因为我可能在给定示例的某个地方计算错误。
【讨论】：
sn 包），看起来对于给定的参数一切都很好（位置和比例应该有相反的符号）：意思=0, var=1 并且看起来偏斜（偏斜度约为 0.8619845）！