Python 两个beta分布的乘积

假设我有两个随机变量：

X~β（α1，β1）

Y~β（α2，β2）

我想计算Z=XY（随机变量的乘积）的分布

使用

scipy

，我可以获得一个测试版的pdf，其中包括：

from scipy.stats import beta
rv = beta(a, b)
x = np.linspace(start=0, stop=1, num=200)
my_pdf = rv.pdf(x)

但是两个β的乘积呢？我可以从分析角度来做这件事吗？（Python/Julia/R解决方案很好）。

有关分析解决方案，请查看和

R

set.seed(1) # for reproducability

n <- 100000 # number of random variables

# first beta distribution
a1 <- 0.5
b1 <- 0.9
X <- rbeta(n, a1, b1)

# second beta distribution
a2 <- 0.9
b2 <- 0.5
Y <- rbeta(n, a2, b2)

# calculate product
Z <- X * Y

# Have a look at the distributions
plot(density(Z), col = "red", main = "Distributions")
lines(density(X), lty = 2)
lines(density(Y), lty = 2)

set.seed（1）#用于繁殖
nFWIW，在Python中也是如此

from scipy import stats
import statsmodels.api as sm
import matplotlib.pyplot as plt

N = 100000

y = stats.beta(.5, .9).rvs(N)
x = stats.beta(.9, .5).rvs(N)
z = x*y
dens_z = sm.nonparametric.KDEUnivariate(z)
dens_z.fit()

dens_x = sm.nonparametric.KDEUnivariate(x)
dens_x.fit()

dens_y = sm.nonparametric.KDEUnivariate(y)
dens_y.fit()

fig, ax = plt.subplots()
ax.plot(dens_z.support, dens_z.density, label='z')
ax.plot(dens_x.support, dens_x.density, label='x')
ax.plot(dens_y.support, dens_y.density, label='y')
ax.legend()
plt.draw_if_interactive()

谢谢-我可以问一下-为什么Z的分布会偏向较低的Z值？（X和Y似乎是相对对称的）@user815423426所有值都在0和1之间。因此，乘以值总是会得到更低的值。太好了。谢谢斯文-我想这是假定
X
和
Y
之间是独立的？或者不是吗？@user815423426是的，这假设独立。@user815423426我不知道多变量beta分布（在R中）的任何实现。