如何在Python中根据最小值，最大值和可能的值生成阶梯式分布值？

问题描述

概率密度函数由三个参数定义：最小值，中位数和最大值[Codling等]。

我需要基于这些值生成一个分布值（PDF）y = f（x）。我知道此函数：numpy.heaviside，但无法正确使用它。

例如：最小值为7.5，可能为11.4，最大值为21.7。

我期望的是

基于从0到1的rand样本，分布条件将为0.5。值范围从最小到可能[ 0.5]。实例：

如果随机样本的值小于0.5，则该值必须在min到大的范围内；如果样本的值大于0.5，则该值必须从中值至最大值。

if sample = 0.35,then value has to be from 7.5 to 11.4

例如：

x = random.rand(size)

sample = []

for s in x:
    if s > 0.5:
        y = 2*(s-0.5)*(max-med)
        sample.append(y)
    else:
        y = 2*s*(med-min)
        sample.append(y)

但是它永远不会达到最小值或最大值。

Codling等，使用运营报告数据的概率井时间估算

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

numpy probability python