Блог

Я пытаюсь взять точки данных из массива, которые в настоящее время находятся в диапазоне от 0 до 1, и переназначить их в соответствии с несколькими различными распределениями. Например, я переназначаю данные в убывающую экспоненциальную (лямбда * e ^(-лямбда * x)) со стандартным отклонением 0,06 ниже.

 # Import the packages I need
from pyDOE import lhs
from scipy.stats.distributions import norm
from scipy.stats.distributions import expon
import matplotlib.pyplot as plt

# CREATING THE LHC


n = 3                 # The number of parameters to generate. Columns
samples = 40          # The number of sample points for each parameter. Rows
criterion = 'maximin' # The spacing between pararameters. maximin for our purposes 

lhd = lhs(n, samples=samples, criterion=criterion) # Making the Latin-Hyper-Square

# print(lhd)            # Show the array
# plt.hist(lhd, bins=20)   # Plot the array

# Trying the transformation with exponentials
    
lhd1 = lhd  # Create an identical array so I can compare and contrast
mean = [0]
stdv = [.06]

for i in range(n):
    lhd1[:, i] = expon(loc=mean, scale=stdv).ppf(lhd1[:, i])


           
print(lhd1)           # Show the Transformed array   
plt.hist(lhd1,bins=20)  # Plot the array
  

Я хотел бы сделать то же самое, но для растущих экспонент (лямбда * e ^ (лямбда * x)). Все, что я могу найти в Интернете и в документации, говорит об убывающем экспоненциальном распределении вероятностей, но почти ничего не говорится о положительной экспоненте.

Могу ли я просто изменить распределение «expon»? Есть ли другой дистрибутив, который я должен использовать вместо этого? Любые советы приветствуются.