Python 拟合分布参数

在搜索我的数据集的最佳拟合分布时，结果是具有以下参数的指数修正正态分布：

K=10.84, loc=154.35, scale=73.82 

Scipy为我们提供了一种通过以下方式分析分布平均值的方法：

  fitted_mean =  scipy.stats.exponnorm.stats(K=10.84, loc=154.35, scale=73.82, moments='mean') 

得到的拟合平均值=984，与我的数据集的平均值相同。然而，我不确定这告诉了我什么。我认为loc=154.35是分布的平均值

---

这两种方法是什么？如果我用最佳分布拟合数据，拟合的平均值（154.35）不是新的和唯一的平均值吗？

对于指数修正的正态分布，位置参数与平均值不同。许多发行版都是这样

请看下面的图片。这与

scipy.stats.exponnorm

的分布相同，但参数化不同。wikipedia版本和scipy之间的参数映射为：

μ = loc
σ = scale
λ = 1/(K*scale)

维基百科页面上说，分布的平均值是μ+1/λ，就scipy参数而言，是

loc+K*scale

当您将分布与数据相匹配时，您会发现

loc = 154.35
scale = 73.82 
K = 10.84

维基百科页面的平均值公式给出

loc + K*scale = 954.5587999999999

以下是使用

exponnorm

进行的计算：

In [16]: fitted_mean = scipy.stats.exponnorm.stats(K=10.84, loc=154.35, scale=73.82, moments='mean')

In [17]: fitted_mean
Out[17]: array(954.5587999999999)

与维基百科公式的结果相匹配

---

（您报告了

fitted_mean=984

，但我认为这是一个印刷错误。）

对于指数修正正态分布，位置参数与平均值不同。许多发行版都是这样

请看下面的图片。这与

scipy.stats.exponnorm

的分布相同，但参数化不同。wikipedia版本和scipy之间的参数映射为：

μ = loc
σ = scale
λ = 1/(K*scale)

维基百科页面上说，分布的平均值是μ+1/λ，就scipy参数而言，是

loc+K*scale

当您将分布与数据相匹配时，您会发现

loc = 154.35
scale = 73.82 
K = 10.84

维基百科页面的平均值公式给出

loc + K*scale = 954.5587999999999

以下是使用

exponnorm

进行的计算：

In [16]: fitted_mean = scipy.stats.exponnorm.stats(K=10.84, loc=154.35, scale=73.82, moments='mean')

In [17]: fitted_mean
Out[17]: array(954.5587999999999)

与维基百科公式的结果相匹配

---

（您报告了

fitted_-mean=984

，但我认为这是一个印刷错误。）

FYI:I得到

fitted_-mean

是

954.5587999999999

，而不是

984

。你的价值观是一个输入错误吗？是的，很抱歉，它只是一个输入错误。提示：我的意思是

954.55879999999

，而不是

984

。你的价值观是错别字吗？是的，很抱歉只是错别字谢谢你澄清@Warren Weckesser。对那是个打字错误。因此，指数分布中的loc参数只是一个位置参数，而不是平均值？但在其他分布中，如正态分布，它是平均值？是的，没错。另一个例子是：μ是位置参数，但平均值是μ+βγ，其中β是标度参数，γ是Euler-Mascheroni常数。感谢您澄清@Warren Weckesser。对那是个打字错误。因此，指数分布中的loc参数只是一个位置参数，而不是平均值？但在其他分布中，如正态分布，它是平均值？是的，没错。另一个例子是：μ是位置参数，但平均值是μ+βγ，其中β是标度参数，γ是Euler-Mascheroni常数。