[英]Fit t distribution using scipy with predetermined mean and std(loc & scale)?
如何使用具有预定平均值和标准的scipy.stats.t.fit()
来拟合t分布?
问题是,我有一个标准化的数据集, mean=0
和std=1
,我只想获得t分布的df
。 但是当我做scipy.stats.t.fit(data)
,它输出的df, loc, scale
和loc&sclae不一定等于0和1。
我怎么解决这个问题? 谢谢!
在.fit()
的调用中,使用参数fscale=1
floc=0
和fscale=1
来修复这些参数。
这是一个例子。 首先,导入t
并生成一个样本以使用:
In [24]: from scipy.stats import t
In [25]: np.random.seed(123)
In [26]: sample = t.rvs(3, loc=0, scale=1, size=10000)
现在使用.fit()
方法将t
分布拟合到样本,将位置约束为0,将比例约束为1:
In [27]: t.fit(sample, floc=0, fscale=1)
Out[27]: (3.1099609375000048, 0, 1)
在fit
docstring中有更多的例子(使用不同的发行版),在这里有stackoverflow 。
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.