Distributions
生成具有給定時刻的隨機變量
我先知道一些分佈的時刻。我也知道我的分佈是連續的、單峰的且形狀良好（看起來像伽馬分佈）。是否有可能：
- 使用某種算法，從這個分佈中生成樣本，在極限條件下，哪些樣本將具有完全相同的矩？
- 解析地解決這個問題？
我明白，直到我有無數個時刻，這個問題才能有唯一的解決方案。我會很高興有任何。
由於評論澄清： 我不需要恢復原始發行版。我需要任何有特定時刻的東西。
我們真的需要您提供更多評論中要求的信息。
有 專門針對您的問題的專著https://projecteuclid.org/euclid.lnms/1249305333 。
這裡： http: //fks.sk/~juro/docs/paper_spie_2.pdf 是另一篇論文。
姐妹網站上的一些相關帖子：
另一篇論文是http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.106.6130 它的作者列出了一些可能的方法，如最大熵方法（Jaynes 1994），一種獲得上限和下限的方法在累積分佈函數 (cdf) 上使用第一個矩（https://www.semanticscholar.org/paper/A-moments-based-distribution-bounding-method-R%C3%A1cz-Tari/cd28087b8ead5c4d5c4eebc2b91e2a4b8caef3f3），但隨後切塊假設單峰分佈並適合靈活分佈家族，如 Pearson 家族、Johnson 家族或廣義 Tukey Lambda 家族。最後，她實現了一個基於將前四個矩擬合到廣義 Lambda 族的解決方案。