Okay, so habe ich diese beiden Teile CDFStichproben aus einer bestimmten Verteilung
def cdfH1a(x):
return 0.189497583190681*np.sqrt(2 * np.pi)*sp.erf(np.sqrt(2)* (x/2))
def cdfH1b(x):
return 0.0141047395886939*np.sqrt(np.pi)*sp.erf(7.07106781186547*x - 14.1421356237309)
und ich habe dies die empirische CDF
sorted = np.sort(sampleH1)
yVals = np.arange(len(sorted))/float(len(sorted))
plt.plot(sorted, yVals)
plt.show()
aber ich weiß nicht, finden getan, wie zu erzeugen, 10000 Stichproben aus meiner CDF
zur Zeit (würde eine solche Proben setzen in sampleH1 werden), ich das tue, aber ich glaube nicht, dass es richtig ist
CDFsampleH1 = []
for x in sampleH0:
sampleH1.append(x + (cdfH1a(x) + cdfH1b(x)))
Wo sampleH0 10000 Proben aus einem normalverteilt ist
Wenn jemand etwas Licht könnte, die großen Dank würde
Sie wahrscheinlich suchen [inverse Transformation Sampling] (https://en.wikipedia.org/wiki/Inverse_transform_sampling). –