gamma分布相加,gamma分布乘以一个常数

　　我在做谢克特光度函数，如下图。

　　phi(l)dl=范数因子*(d(l/lstar)^(a))(exp)d(l/lstar)d(l/lstar)))))))

　　L/Lstar说是LL。

　　其累积分布函数的解析解由函数给出，N=范数因子*(a1，1)。

　　这是一个不完整的伽玛函数。因为积分的极限是从L到无穷大。

　　现在，我正在尝试在Python上画cdf。我用了以下的东西。

　　将scipy.special作为ss导入

　　si=[ss.gammaInc(a1，l(I ) ]forIina ) #CDF

　　(其中l [I]是我用随机数做的数组)

　　结果之和是1，看起来像cdf。不过，我现在想随机化一下。所以设置为由cdf=随机数(Python)统一生成，而不是cdf=1。))现在，如果你想创建count和L的直方图并随机采样，你需要反转gamma函数。

　　我的问题是howdoInvertTheGammaFunctionInPython？

　　这是我现在拥有的：

　　u=[ random.uniform (0，1 ) for i in a]

　　L=[ss.gammaincinv(a1，u[i] ) for i in a]

　　PLT.plot(L，u，.)

　　plt.show())

　　PLT.hist(l，bins=50，rwidth=1.5，histtype=step ，lw=0.7，normed=True，range=(-0.5，1))

　　plt.show())

　　编译器没有抱怨，直方图的形式不对。我觉得应该把cdf的随机采样直方图还原成PDF的形式。

　　我到底做了什么？显然，scipy的不完全伽马函数的版本是“正则化的”，意味着它被完全伽马函数除。因此，即使我乘以Inc(1，u [I]) a1)

　　轴将按比例缩放。

　　你有什么建议？

　　结论：用随机抽样法建立谢克特光度函数cdf直方图是必要的。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。