Python 将数据拟合到概率分布，可能是偏正态分布？

我试图将我的数据拟合成某种概率分布，这样我就可以根据这种分布生成随机数。下面是数据点的样子，数据值后面是x轴，概率后面是y轴

它们看起来符合一个偏正态分布，平均值约为10^-4。绘图的数据实际上是从原始数据集中分块的。我尝试使用

scipy.stats

库拟合原始数据上的倾斜法线，但拟合根本不起作用

我想知道是否有人知道一种适合PDF格式的方法？我的绘图中的数据如下（无法发布原始数据，因为原始数据太大）：

---

您可以使用

scipy.stats.skewnorm.fit

（参见文档）将数据拟合到偏正态分布中

skewnorm.fit

从数据中返回形状、位置和比例参数的最大似然估计（MLE）

from scipy import stats

# define your dataset here

# let's make a sample with pre-defined parameters to demonstrate how it works
a, loc, scale = 1.6, -0.2, 3.2
data = stats.skewnorm(a, loc, scale).rvs(10000)

# estimate parameters of the sample
a_estimate, loc_estimate, scale_estimate = stats.skewnorm.fit(data)
print(a_estimate, loc_estimate, scale_estimate)

输出：

1.5784198343540448-0.18066366859003175 3.1817350641737274

“我尝试使用scipy.stats库来拟合原始数据上的倾斜法线，但拟合根本不起作用。”如果您展示了您尝试过的内容，以及没有按照您预期的方式工作的内容，可能会有人能够帮助您。

from scipy import stats

# define your dataset here

# let's make a sample with pre-defined parameters to demonstrate how it works
a, loc, scale = 1.6, -0.2, 3.2
data = stats.skewnorm(a, loc, scale).rvs(10000)

# estimate parameters of the sample
a_estimate, loc_estimate, scale_estimate = stats.skewnorm.fit(data)
print(a_estimate, loc_estimate, scale_estimate)