SciPy自定义概率密度函数采样异常：参数化支持域问题排查

核心问题 #

你的代码存在两个关键错误：

1. 支撑区间定义错误：_get_support返回了(0, inf)，但实际你的PDF仅在x >= a时非零，支撑区间应为(a, inf)，错误的支撑会导致scipy在无效区间采样，样本分布自然不匹配。
2. 参数传递与类定义不规范：自定义分布未明确声明参数名称，且beta变量未显式定义（你的PDF中beta=0.5）。

修正后的代码实现 #

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import rv_continuous

class exp_pdf(rv_continuous):
    def _get_support(self, a):
        # 支撑区间随参数a变化，x >= a
        return (a, float('inf'))
    
    def _pdf(self, x, a):
        beta = 0.5
        # 对x < a的情况返回0，确保PDF在支撑外为0
        return np.where(x >= a, beta * np.exp(-beta * (x - a)), 0.0)
    
    def _cdf(self, x, a):
        beta = 0.5
        # 实现CDF让scipy能正确计算逆变换采样
        return np.where(x >= a, 1 - np.exp(-beta * (x - a)), 0.0)

# 测试参数a=1
param_temp = 1
exp_dist = exp_pdf(name='Custom Exponential')

# 绘制PDF
points = np.linspace(1, 10, 100)
plt.plot(points, exp_dist.pdf(points, a=param_temp), 'r-', lw=2, label='PDF')

# 生成样本并绘制直方图
samples = exp_dist.rvs(size=1000, a=param_temp)
plt.hist(samples, bins=30, density=True, alpha=0.7, label='Samples')

plt.legend()
plt.show()

关键修正说明 #

• 支撑区间修正：_get_support方法接收参数a，返回(a, inf)，明确告诉scipy采样的有效范围。
• 显式定义beta：将PDF中的固定系数0.5显式赋值给beta，避免未定义变量错误。
• 实现CDF方法：手动实现累积分布函数，让scipy可以通过逆CDF方法高效生成样本，避免数值采样的偏差。
• 参数名称统一：使用a作为参数名，与类初始化、方法调用时的参数保持一致，避免混淆。

验证效果 #

运行修正后的代码，直方图会与PDF完全匹配：样本集中在x >= 1的区间，分布形状和理论PDF一致。

内容的提问来源于stack exchange，提问作者k2pctdn