Python 3.x 如何创建随机分布？

我看到了几乎相似的帖子，尽管不完全相同，而且我似乎无法将它们中的任何一篇改编成Python。建议使用optim（）中的

method=“SANN”：

使用R解决方案，尽管我似乎无法在Python中复制它。我想使用（n、min、max、mean、sd、25%、50%、75%、歪斜和峰度）作为10个已知参数创建一个模型/绘图，而不使用分布族。我可以很好地处理dist家庭，例如：

x = np.linspace(39,401,100)
plt.plot(x, scipystats.???.pdf(x,p[0],p[1],p[2],p[3],p[4],p[5],p[6],p[7],p[8],p[9])

ModDist = ???.rvs(p0=n,p1=min,p2=max,p3=m,p4=sd,p5=25,p6=50,p7=75,p8=s,p9=k,rs=3)

然后使用随机生成器对模型进行仿真。例如：

x = np.linspace(39,401,100)
plt.plot(x, scipystats.???.pdf(x,p[0],p[1],p[2],p[3],p[4],p[5],p[6],p[7],p[8],p[9])

ModDist = ???.rvs(p0=n,p1=min,p2=max,p3=m,p4=sd,p5=25,p6=50,p7=75,p8=s,p9=k,rs=3)

如果熊猫、努比等动物或它们的组合能起作用的话，它不一定非得是scipy。

---

有什么想法吗？

这听起来不是个好主意！如果你从一顶帽子里挑10个值，它们很可能是互不兼容的。如果您知道十个可行值，我认为您可能会更好地进行分布拟合；在修改后的pyplot.py中使用我的describeSK（）中的这10个特定摘要统计数据生成模型/绘图并与.rvs一起使用（p0=n，p1=…）进行模拟时，我应该考虑哪些因素？