Python 如何创建Rician随机变量?
我正试图用Sympy来模拟一个信号检测问题,需要两个随机变量。一个是瑞利分布模型噪声,另一个是莱斯分布模型信号+噪声。辛皮,但不是一个蓖麻学家——或者至少不是一个叫这个名字的人 创建一个的最佳方式是什么?它是否以其他名称存在?有没有办法将现有的发行版操纵成RicianPython 如何创建Rician随机变量?,python,statistics,sympy,Python,Statistics,Sympy,我正试图用Sympy来模拟一个信号检测问题,需要两个随机变量。一个是瑞利分布模型噪声,另一个是莱斯分布模型信号+噪声。辛皮,但不是一个蓖麻学家——或者至少不是一个叫这个名字的人 创建一个的最佳方式是什么?它是否以其他名称存在?有没有办法将现有的发行版操纵成Rician 根据@asmeurer的建议,我实施了自己的大米分销,如下所示: from sympy.stats.crv_types import rv from sympy.stats.crv import SingleContinuous
根据@asmeurer的建议,我实施了自己的大米分销,如下所示:
from sympy.stats.crv_types import rv
from sympy.stats.crv import SingleContinuousDistribution
class RicianDistribution(SingleContinuousDistribution):
_argnames=('nu','sigma')
@property
def set(self): return Interval(0,oo)
def pdf(self,x):
nu,sigma=self.nu, self.sigma
return (x/sigma**2)*exp(-(x**2+nu**2)/(2*sigma**2))*besseli(0,x*nu/sigma**2)
def Rician(name,nu,sigma):
return rv(name,RicianDistribution,(nu,sigma))
分布似乎与和都匹配,但奇怪的是,我得到的结果与Scipy不同。我将分别问这个问题()
作为旁注,下一行可以对密度函数进行lambdify,其中包括贝塞尔函数:
printing.lambdarepr.LambdaPrinter._print_besseli=(lambda self,expr: 'i0(%s)'%expr.argument)
它不能推广到所有贝塞尔函数,但适用于Rician分布中使用的第一类零阶修正贝塞尔。是的,可以从卡方和泊松分布生成Rice。查看任何详细的Rice讨论,例如: Rice(nu,sigma)来自以下步骤的另一种情况:
如果您了解pdf函数,那么使用sympy.stats创建新发行版就很容易了。请查看中的现有发行版。您只需要将
SingleContinuousDistribution
子类化并定义一些方法。例如,以下是正态分布(删除docstring):
我看过那个描述,但不完全理解。您能用Sympy代码显示该工作流吗?步骤2对我来说特别奇怪:它似乎暗示卡方分布的参数本身是一个随机变量(使用步骤1中的P)?我不使用sympy编程;很抱歉是的,输入是一个随机变量。输出是一个额外维度的分布,将整个分布(值x概率)作为输入,并产生(chi分布x概率)的输出。可能形式x=ContinuousRV(x,exp(-(x-平均值)**2/(2*std**2))/(sqrt(2*pi)*std)更容易编写,尽管不支持参数化。
class NormalDistribution(SingleContinuousDistribution):
_argnames = ('mean', 'std')
@staticmethod
def check(mean, std):
_value_check(std > 0, "Standard deviation must be positive")
def pdf(self, x):
return exp(-(x - self.mean)**2 / (2*self.std**2)) / (sqrt(2*pi)*self.std)
def sample(self):
return random.normalvariate(self.mean, self.std)
def Normal(name, mean, std):
return rv(name, NormalDistribution, (mean, std))