我正在尝试使用 SciPy Skewnorm 包将数据拟合到偏态正态分布中。
但是,我无法正确理解其用法,因为我找不到关于此事的适当文档或示例。
在帮助部分我找到了Documentation并尝试使用 skewnorm.fit()
和 skewnorm.pdf()
将数据拟合到模型中,并使用该模型输出分布并与原始数据进行比较.
如果有人可以提供帮助,请告诉我。
from scipy import stats
import matplotlib.pyplot as plt
import numpy as np
# choose some parameters
a, loc, scale = 5.3, -0.1, 2.2
# draw a sample
data = stats.skewnorm(a, loc, scale).rvs(1000)
# estimate parameters from sample
ae, loce, scalee = stats.skewnorm.fit(data)
# Plot the PDF.
plt.figure()
plt.hist(data, bins=100, normed=True, alpha=0.6, color='g')
xmin, xmax = plt.xlim()
x = np.linspace(xmin, xmax, 100)
p = stats.skewnorm.pdf(x,ae, loce, scalee)#.rvs(100)
plt.plot(x, p, 'k', linewidth=2)
输出:
最佳答案
这是一个让您入门的示例。
>>> from scipy import stats
# choose some parameters
>>> a, loc, scale = 1.3, -0.1, 2.2
# draw a sample
>>> sample = stats.skewnorm(a, loc, scale).rvs(1000)
# estimate parameters from sample
>>> ae, loce, scalee = stats.skewnorm.fit(sample)
>>> ae
1.2495366661560348
>>> loce
-0.039775813819310835
>>> scalee
2.1126121580965536
关于python - SciPy 偏斜正态拟合,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50140371/