Python-从具有不对称误差条的正态分布中提取

我试图编写代码，从具有不对称错误条的正态分布中随机抽取一个值。基本上，我试图使用np.random.normal的等价物，但能够定义不相等的上下sigma。我不想使用scipy.stats.skewnorm，因为我不知道我的分布在一个参数方面有多歪斜，我只知道+和-误差条。我该怎么做

---

感谢stackoverflow善良的人们的帮助

一个简单的启发式方法是从密度中取样，该密度从N（平均值，sigma1）到平均值，从N（平均值，sigma2）到平均值。首先对均匀[0，1]变量进行采样，如果它小于1/2，则选择第一个变量，否则选择第二个变量。然后从选择的正态分布中取样。这会给你一个有一半时间是错误的数字——当这种情况发生时，只需返回均值减（样本-均值）（或均值加（均值-样本））；这给了你一个与平均数相反的例子。

@ItsAMe，我不能在我的评论中加入图表，所以写下来作为答案。虽然@RobertDodier的答案在技术上是正确的，但您应该了解您得到的是哪种发行版

下面，我绘制了两个在0处连接的高斯分布，但具有不同的sigmas（误差条，sigmas=2和0.7）。也许这就是你真正想要的，但对我来说，很难想象会产生或需要什么样的过程来模拟这种奇怪的分布。在自然界或某些模型中真的存在这样的东西吗

---

欢迎来到StackOverflow。请按照您创建此帐户时的建议，阅读并遵循帮助文档中的发布指南，在这里申请。StackOverflow不是设计、编码、研究或教程资源。然而，若你们遵循你们在网上找到的任何资源，进行诚实的编码尝试，并遇到问题，你们会有一个很好的例子来发布。应该返回'mean+abs（v2）'或'mean-abs（v1）'。但直方图会很难看——在平均值上是不连续的。是的，从N（0，s1）中取样v1，然后从N（0，s2）中返回平均值-abs（v1）或v2，然后返回平均值+abs（v2）可能是一种更简单的说法。丑陋？我不知道这是否有区别；OP必须更多地说明他们想要这个发行版的目的。我把我的下一个评论作为一个答案，如果你看一下，会很感激的。是的，很难看。OP似乎不在，但若他们回来，我会有兴趣听听他们的评论。不对称误差条在科学中相当常见，假设误差的高斯分布也是如此。概念化是非常奇怪的（从你的情节可以明显看出）。谢谢大家@他们当然是。但通常它们来自于，比如，截断正态分布，或歪斜正态分布，或其他非零三阶矩分布。我不确定为什么蓝色曲线会出现大幅度下降。你可能会认为高斯分布在不同高度和宽度的中间，但底部节点的尖锐程度似乎有所不同odd@ItsAMe总积分等于1，每个半积分等于1/2，较小的峰值必须有较大的尾部，只有两个高斯函数粘在一起。我可以给你发Python代码来画画。