Python 加速从叠加截断正态分布中提取随机值

我想从两个截断正态分布之和的分布中抽取N个随机样本。通过从

scipy.stats

对

rv_continuous

类进行子类化，并提供两个给定pdf的平均值的pdf，我得到了想要的结果：

将numpy导入为np
从scipy导入统计信息
my_lim=[0.05,7]#下限和上限
my_loc=[1.2,3]#两个截断正态分布的loc值
my_scale=[0.6,2]#两个截断正态分布的标度值
类别总和（统计值连续）：
def_pdf（self，x）：
返回（stats.truncnorm.pdf（x，
a=（我的极限[0]-我的极限[0]）/我的尺度[0]，
b=（my_lim[1]-my_loc[0]）/my_scale[0]，
loc=my_loc[0]，
刻度=我的刻度[0]）+
stats.truncnorm.pdf（x，
a=（my_lim[0]-my_loc[1]）/my_scale[1]，
b=（my_lim[1]-my_loc[1]）/my_scale[1]，
loc=my_loc[1]，
刻度=我的刻度[1]）/2

但是，使用：

my\u dist=sum\u truncnorm（）
my_rvs=my_dist.rvs（尺寸=10）

非常慢，每个随机值大约需要5秒

我确信这可以做得更快，但我不确定如何做。我是否应该将我的分布定义为（非截断的）正态分布之和，然后强制截断？我在这个方向上做了一些测试，但这只快了大约10倍，因此仍然是一种缓慢的方式

---

谷歌告诉我，我可能需要使用逆变换采样并覆盖

\u rvs

方法，但我无法使其适用于我的截断分布。

首先，您必须确保_pdf是标准化的。 框架不会检查它，否则会无声地产生无意义的结果

---

第二，为了快速生成图形变量，您需要实现一个_ppf或_rvs。仅使用_pdf，它将通过通用代码路径（数值积分和根查找）这就是为什么您当前的版本很慢。

两个truncnorm的pdf应该被规范化，不是吗！？因为我对这两个pdf使用相同的范围，并将两者的总和除以2，所以我假设它被正确规范化了。这是不正确的？关于_rvs的实现：这是我尝试过的，但没有实现。我怀疑写d更容易拥有_ppf函数，使用

erf

获得截断高斯函数的归一化。