以通用方式从scipy.stats获取pdf

Question

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 ？

Answer 1

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')

Answer 2

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)