使用pythonscipy使gamma分布适合数据
我想将伽马分布拟合到我的数据中,我使用这个使用pythonscipy使gamma分布适合数据,python,statistics,scipy,gamma-distribution,Python,Statistics,Scipy,Gamma Distribution,我想将伽马分布拟合到我的数据中,我使用这个 import scipy.stats as ss import scipy as sp import numpy as np import os import matplotlib.pyplot as plt alpha = [] beta = [] loc = [] data = np.loadtxt(data) fit_alpha, fit_loc, fit_beta = ss.gamma.fit(data, floc=0, fscale=1)
import scipy.stats as ss
import scipy as sp
import numpy as np
import os
import matplotlib.pyplot as plt
alpha = []
beta = []
loc = []
data = np.loadtxt(data)
fit_alpha, fit_loc, fit_beta = ss.gamma.fit(data, floc=0, fscale=1)
我想将gamma分布的一个参数作为变量保留(比如形状),并修复其中一个参数(比如
scale=1
)。但是,如果我将loc变量保持为零,则无法将刻度固定为1。有什么解决办法吗?我不能仅使用形状和比例参数化gamma分布吗?查看gamma.fit的实现:
def fit(self, data, *args, **kwds):
floc = kwds.get('floc', None)
if floc == 0:
xbar = ravel(data).mean()
logx_bar = ravel(log(data)).mean()
s = log(xbar) - logx_bar
def func(a):
return log(a) - special.digamma(a) - s
aest = (3-s + math.sqrt((s-3)**2 + 24*s)) / (12*s)
xa = aest*(1-0.4)
xb = aest*(1+0.4)
a = optimize.brentq(func, xa, xb, disp=0)
scale = xbar / a
return a, floc, scale
else:
return super(gamma_gen, self).fit(data, *args, **kwds)
如果您将floc=None,它将调用父类的fit函数(这是rv_continuous),您可以修复比例。在我的评论中说,您在
gamma
发行版中遇到了一个bug——它不允许您同时修复位置和比例。该缺陷在scipy 0.13中已修复,但如果无法升级,则可以使用类rv_continuous
的fit
方法解决该缺陷,该类是gamma
的父类:
In [22]: from scipy.stats import rv_continuous, gamma
In [23]: x = gamma.rvs(2.5, loc=0, scale=4, size=1000) # A test sample.
In [24]: rv_continuous.fit(gamma, x, floc=0, fscale=4)
Out[24]: (2.5335837650122608, 0, 4)
您遇到了一个bug,该bug已在scipy开发版本中修复()。发布时,该修复程序的版本将为0.13。
floc
的+1文档中没有对该参数的任何引用。