我有一些数据,我可以使用例如取自 Fitting a gamma distribution with (python) Scipy 的这段代码来拟合 Gamma 分布.
import scipy.stats as ss
import scipy as sp
生成一些 Gamma 数据:
alpha=5
loc=100.5
beta=22
data=ss.gamma.rvs(alpha,loc=loc,scale=beta,size=10000)
print(data)
# [ 202.36035683 297.23906376 249.53831795 ..., 271.85204096 180.75026301
# 364.60240242]
这里我们将数据拟合成 Gamma 分布:
fit_alpha,fit_loc,fit_beta=ss.gamma.fit(data)
print(fit_alpha,fit_loc,fit_beta)
# (5.0833692504230008, 100.08697963283467, 21.739518937816108)
print(alpha,loc,beta)
# (5, 100.5, 22)
我还可以对同一数据拟合指数分布。但是我想做一个 likelihood ratio test .为此,我不仅需要拟合分布,还需要返回可能性。你怎么能在 python 中做到这一点?
最佳答案
您可以通过调用stats.gamma
的logpdf
方法然后对数组求和来计算数据
的对数似然。
第一段代码来自您的示例:
In [63]: import scipy.stats as ss
In [64]: np.random.seed(123)
In [65]: alpha = 5
In [66]: loc = 100.5
In [67]: beta = 22
In [68]: data = ss.gamma.rvs(alpha, loc=loc, scale=beta, size=10000)
In [70]: data
Out[70]:
array([ 159.73200869, 258.23458137, 178.0504184 , ..., 281.91672824,
164.77152977, 145.83445141])
In [71]: fit_alpha, fit_loc, fit_beta = ss.gamma.fit(data)
In [72]: fit_alpha, fit_loc, fit_beta
Out[72]: (4.9953385276512883, 101.24295938462399, 21.992307537192605)
计算对数似然的方法如下:
In [73]: loglh = ss.gamma.logpdf(data, fit_alpha, fit_loc, fit_beta).sum()
In [74]: loglh
Out[74]: -52437.410641032831
关于python - 如何获得指数和 Gamma 分布的对数似然,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25585590/