Python 一般分布的乘积

假设对于[0,1]之间的随机变量，我有两个非标准化的非参数分布，例如：

unnormalized_pdf_A = abs(sin(linspace(1,10,100)))

及

我想获得变量

C=A*B

的pdf，以及它的一些基本统计数据（例如均值、方差和/或贝叶斯区间）

---

这在

statsmodels

、

PyMC

或

scipy.stats

中是否可行？如何开始处理此问题？

这应该是您想要的，谢谢@jseabold。如果我没有弄错的话，您的帖子假设您可以直接从（参数）分布中进行采样（调用

y=stats.beta（.5.9）。rvs（N）

进行采样）。在我的例子中，我所拥有的只是定义在0到1之间的非规范化函数。我知道一旦我有了样本，我就可以将它们相乘（问题的目的）并拟合

sm.nonparametric.KDEUnivariate（样本）

，以获得PDF。因此，问题是从OP中的函数中获取样本。对此有什么想法吗？实际上，beta版的绘图有一个封闭形式的解决方案，所以我不需要在那里采样。我只是碰巧从那个例子中的beta分布中画出了一个例子来说明做你想做的事情的一般方法（我认为），但是你可以把你的随机值细分为（0，1）。绘制后步骤中的KDE估计器不知道这是来自beta分布的绘制。如果降低样本量，PDF看起来就不会像参数化的beta版。

unnormalized_pdf_B = abs(cos(linspace(1,10,100)))