[英]Getting a pdf from scipy.stats in a generic way
我正在使用拟合检验一些善良scipy.stats
在Python 2.7.10。
for distrName in distrNameList:
distr = getattr(distributions, distrName)
param = distr.fit(sample)
pdf = distr.pdf(???)
我将什么传递给distr.pdf()
以获取最佳拟合pdf的值,这些pdf位于感兴趣的样本点list
中,称为abscissas
?
从文档中, .fit()
方法返回:
shape,loc,scale:浮点元组MLE用于任何形状统计,其次是位置和比例。
并且.pdf()
方法接受:
x:array_like分位数
arg1,arg2,arg3,...:array_like分布的形状参数(有关更多信息,请参阅实例对象的docstring)
loc:array_like,可选的位置参数(默认= 0)
scale:array_like,可选
所以基本上你会做这样的事情:
import numpy as np
from scipy import stats
from matplotlib import pyplot as plt
# some random variates drawn from a beta distribution
rvs = stats.beta.rvs(2, 5, loc=0, scale=1, size=1000)
# estimate distribution parameters, in this case (a, b, loc, scale)
params = stats.beta.fit(rvs)
# evaluate PDF
x = np.linspace(0, 1, 1000)
pdf = stats.beta.pdf(x, *params)
# plot
fig, ax = plt.subplots(1, 1)
ax.hold(True)
ax.hist(rvs, normed=True)
ax.plot(x, pdf, '--r')
为了评估在PDF abscissas
,你会通过abcissas
作为第一个参数,以pdf
。 要指定参数,请使用*
运算符解压缩param
元组并将这些值传递给distr.pdf
:
pdf = distr.pdf(abscissas, *param)
例如,
import numpy as np
import scipy.stats as stats
distrNameList = ['beta', 'expon', 'gamma']
sample = stats.norm(0, 1).rvs(1000)
abscissas = np.linspace(0,1, 10)
for distrName in distrNameList:
distr = getattr(stats.distributions, distrName)
param = distr.fit(sample)
pdf = distr.pdf(abscissas, *param)
print(pdf)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.