Python 用genextreme和Weibull_min拟合Weibull分布

使用SciPy，我试图从中重现weibull拟合。当我使用

genextreme

功能时，我的身材看起来很好，如下所示：

import numpy as np
from scipy.stats import genextreme
import matplotlib.pyplot as plt

data=np.array([37.50,46.79,48.30,46.04,43.40,39.25,38.49,49.51,40.38,36.98,40.00,
               38.49,37.74,47.92,44.53,44.91,44.91,40.00,41.51,47.92,36.98,43.40,
               42.26,41.89,38.87,43.02,39.25,40.38,42.64,36.98,44.15,44.91,43.40,
               49.81,38.87,40.00,52.45,53.13,47.92,52.45,44.91,29.54,27.13,35.60,
               45.34,43.37,54.15,42.77,42.88,44.26,27.14,39.31,24.80,16.62,30.30,
               36.39,28.60,28.53,35.84,31.10,34.55,52.65,48.81,43.42,52.49,38.00,
               38.65,34.54,37.70,38.11,43.05,29.95,32.48,24.63,35.33,41.34])

shape, loc, scale  = genextreme.fit(data)

plt.hist(data, normed=True, bins=np.linspace(15, 55, 9))

x = np.linspace(data.min(), data.max(), 1000)
y = genextreme.pdf(x, shape, loc, scale)
plt.plot(x, y, 'c', linewidth=3)

参数为：

（0.44693977070602462、38.28362522613214、7.9180988170857374）

。形状参数是正的，对应于形状参数的符号，据我所知，其上的形状参数等同于R中的负形状参数

因此，似乎genextreme本身决定了分布是Gumbel、Frechet还是Weibull。在这里，它选择了威布尔

现在，我正试图复制一个类似的函数拟合。我尝试了以下基于的参数，但参数看起来与我使用

genextreme

获得的参数非常不同：

weibull_min.fit(data, floc=0) 

现在的参数是：

（6.4633107529634319,0,43.247460728065136）

---

0

是形状参数吗？如果分布是威布尔分布，那么它肯定应该是正的。

由

Weibull\u min.fit（）

返回的参数是

（形状、位置、比例）

loc

是位置参数。（所有scipy分布包括一个位置参数，即使是那些通常不使用位置参数的分布。）

weibull_min.fit

的文档字符串包括：

Returns
-------
shape, loc, scale : tuple of floats
    MLEs for any shape statistics, followed by those for location and
    scale.

---

您使用了参数

floc=0

，因此，正如预期的那样，

fit（data，floc=0）

返回的位置参数是0。

因此，我使用weibull_min.fit（）得到的形状参数是6.46。这与genextreme的0.44非常不同。43的比例参数不是很高吗？如何使用weibull_min.fit（）将曲线拟合到数据中？关于值：

weibull_min.fit（data，floc=0）

返回的值与R中的

fitdire（mydata，“weibull”）

返回的值非常接近，如您在链接的问题中所见。无耻的插件：paramnormal可能会帮助您：