如何按指定连续概率密度函数生成随机变量？代码问题求助

一、前两个缩放正态分布的正确生成方式 #

缩放正态分布本质是正态分布的线性变换，无需自定义PDF，直接用numpy或scipy的内置函数即可实现：

分布1：µ=260/3，σ=100/3，缩放因子1.53666351546 #

import numpy as np

# 参数定义
mu1 = 260 / 3
sigma1 = 100 / 3
scale_factor1 = 1.53666351546

# 生成单个随机变量
x1 = scale_factor1 * np.random.normal(mu1, sigma1)

# 生成1000个批量样本
x1_samples = scale_factor1 * np.random.normal(mu1, sigma1, size=1000)

分布2：µ=854/9，σ=100/3，缩放因子1.78979465778 #

mu2 = 854 / 9
sigma2 = 100 / 3
scale_factor2 = 1.78979465778

# 生成单个随机变量
x2 = scale_factor2 * np.random.normal(mu2, sigma2)

# 生成1000个批量样本
x2_samples = scale_factor2 * np.random.normal(mu2, sigma2, size=1000)

注：此处的“缩放”指对正态分布随机变量的线性缩放，若你是指对PDF进行归一化缩放，需重新计算归一化常数，但通常“缩放正态分布”默认指随机变量的线性变换。

二、11个正态分布+2个半正态分布的和 #

生成逻辑：分别生成每个分布的随机变量后直接相加即可。半正态分布可通过scipy.stats.halfnorm实现，或直接取正态分布的绝对值（等价于半正态）。

示例代码 #

请替换示例中的参数为你的实际参数：

import numpy as np
from scipy import stats

# 11个正态分布的参数列表（每个元素为(均值, 标准差)）
norm_params = [
    (mu_1, sigma_1), (mu_2, sigma_2), ..., (mu_11, sigma_11)
]

# 2个半正态分布的尺度参数列表
halfnorm_params = [sigma_a, sigma_b]

def generate_mixed_sum():
    # 计算11个正态变量的和
    norm_sum = sum(np.random.normal(mu, sigma) for mu, sigma in norm_params)
    # 计算2个半正态变量的和
    halfnorm_sum = sum(stats.halfnorm.rvs(scale=sigma) for sigma in halfnorm_params)
    # 返回总和
    return norm_sum + halfnorm_sum

# 生成单个样本
mixed_sample = generate_mixed_sum()

# 生成1000个批量样本
mixed_samples = [generate_mixed_sum() for _ in range(1000)]

三、现有代码的问题与警告解决 #

你当前的代码存在两个核心问题：

1. 自定义的PDF是五次指数型分布，和你需求中的“缩放正态分布”完全不符，属于需求误解；
2. 混用Decimal与numpy/scipy导致类型不兼容——scipy的rv_continuous依赖numpy数组运算，而Decimal是Python原生高精度类型，两者无法高效兼容，触发了数值运算警告。

若确实需要自定义非正态分布（非需求内场景） #

修正类型兼容问题后的代码示例：

from scipy import stats
import numpy as np

Q = 0.0460999054638 / np.sqrt(2 * np.pi)

class Distribution_B(stats.rv_continuous):
    def _pdf(self, x):
        return Q * np.exp(-((260 - 3*x)**5) / 20000)

# 定义分布区间
distribution = Distribution_B(a=0, b=100)
# 生成样本（仍可能有数值警告，需确认PDF的归一化合理性）
sample = distribution.rvs()

再次强调：该自定义分布与你需求中的“缩放正态分布”无关，建议回到前两种方法实现原始需求。

内容的提问来源于stack exchange，提问作者Qaos