scipy.stats - 获取对数正态的基础 mu 和 sigma答案

【问题标题】：scipy.stats - get a lognormal's underlying mu and sigmascipy.stats - 获取对数正态的基础 mu 和 sigma
【发布时间】：2019-01-25 01:35:52
【问题描述】：

在 Python 的 scipy.stats 库中，它有一组非常程式化的随机变量类、方法和属性。大多数与分布本身有关，例如，“平均值是什么？”或“差异是什么？”

对数正态分布很奇怪，因为定义它的参数不是该分布的常用参数，而是它派生自的正态分布的参数。简单来说，如果 X 是一个均值为 mu 和 stdev sigma 的正态分布，则 Y=e^X 是一个对数正态分布，有自己的均值、众数、方差、stdev 等。

有没有人知道通过 scipy.stats 中“冻结”RV 的方法或属性来恢复底层 mu 和 sigma（正态分布 X）的快速或聪明的方法？

由于 scipy.stats 确实给出了实际对数正态的平均值、标准差等，人们可以做很多代数并从标准翻译中恢复它......但代码可能无法维护。

供参考https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.lognorm.html 和 https://en.wikipedia.org/wiki/Log-normal_distribution

【问题讨论】：

标签： python-3.x scipy

【解决方案1】：

（这个帖子有点老了，但值得一提的答案）。

Scipy rv_continuous 实例具有.stats 方法（请参阅here）。您可以使用此方法检索均值和方差等参数。

这个方法可以从类或者实例中调用：

# from the classs
scipy.stats.lognorm.stats(loc=2,s=1,moments='mvsk')
>> (array(3.64872127), array(4.67077427), array(6.18487714), array(110.93639218))

# or from the instance
scipy.stats.lognorm(loc=2, s=1).stats(moments='mvsk')

【讨论】：