调整scipy.stats分布scale参数生成新分布的正确性验证问询

直接修改rv_continuous_frozen对象的args属性来调整scale参数是错误的——这类冻结后的分布对象是不可变的，修改表面属性不会同步更新内部用于计算的参数，这就是你得到意外结果的根本原因。

正确的做法：重新生成冻结分布 #

要生成仅修改scale参数的新分布，需要基于原分布的类，传入保留的形状参数、原loc参数和新的scale参数，重新创建冻结分布：

代码示例 #

import scipy.stats as stats

# 从拟合结果中提取核心参数
shape_arg = results['arg'][0]  # 原形状参数：1013.8436378790848
original_loc = results['loc']  # 原loc参数：-556.0268261452745
new_scale = 52  # 你要调整的新scale值

# 方式1：直接指定分布类（适合已知分布名称的情况）
new_dist = stats.loggamma(shape_arg, loc=original_loc, scale=new_scale)

# 方式2：从原model中获取分布类（更通用，无需硬编码分布名）
original_dist_class = model.dist
new_dist = original_dist_class(shape_arg, loc=original_loc, scale=new_scale)

# 现在可以正常调用逆CDF方法
example_ppf = new_dist.ppf(0.95)  # 计算95%分位数

关键说明 #

• rv_continuous_frozen是Scipy中用于固定参数的分布实例，初始化后内部计算逻辑绑定了初始参数，手动修改args/loc/scale属性不会改变内部计算用的参数，属于无效操作。
• 重新生成冻结分布时，务必保留原分布的形状参数（即results['arg']中的值），仅替换scale，这样才能保证分布类型与原拟合结果一致，仅调整缩放比例。

内容的提问来源于stack exchange，提问作者Dr. Andrew