Python：如何从数据中拟合伽马分布？答案

【问题标题】：Python: how to fit a gamma distribution from data?Python：如何从数据中拟合伽马分布？
【发布时间】：2017-04-20 03:56:27
【问题描述】：

我有一个数据集，我想看看哪个是最好的分布。

在第一次尝试中，我尝试将其与rayleigh 匹配，所以

y, x = np.histogram(data, bins=45, normed=True)
param = rayleigh.fit(y) # distribution fitting
# fitted distribution
xx = linspace(0,45,1000)
pdf_fitted = rayleigh.pdf(xx,loc=param[0],scale=param[1])
pdf = rayleigh.pdf(xx,loc=0,scale=8.5)

fig,ax = plt.subplots(figsize=(7,5))
plot(xx,pdf,'r-', lw=5, alpha=0.6, label='rayleigh pdf')
plot(xx,pdf,'k-', label='Data')
plt.bar(x[1:], y)
ax.set_xlabel('Distance, '+r'$x [km]$',size = 15)
ax.set_ylabel('Frequency, '+r'$P(x)$',size=15)
ax.legend(loc='best', frameon=False)

我正在尝试对 gamma 分发做同样的事情，但没有成功

y, x = np.histogram(net1['distance'], bins=45, normed=True)
xx = linspace(0,45,1000)
ag,bg,cg = gamma.fit(y)  
pdf_gamma = gamma.pdf(xx, ag, bg,cg)  
fig,ax = plt.subplots(figsize=(7,5))
# fitted distribution
plot(xx,pdf_gamma,'r-', lw=5, alpha=0.6, label='gamma pdf')
plot(xx,pdf_gamma,'k-')
plt.bar(x[1:], y, label='Data')
ax.set_xlabel('Distance, '+r'$x [km]$',size = 15)
ax.set_ylabel('Frequency, '+r'$P(x)$',size=15)
ax.legend(loc='best', frameon=False)

【问题讨论】：

ag、bg、cg 得到什么？
用于缩放曲线。
我的意思是数字是多少
ag = 0.3487208935787377, bg=2.642125282765536e-05, cg=0.028141488538963526
stackoverflow.com/questions/29208440/… 的答案可能正是您所需要的。

标签： python scipy statistics distribution

【解决方案1】：

我的猜测是，您的大部分原始数据都为 0，因此拟合的 alpha 最终低于 1 (0.34)，并且您会得到奇异性为 0 的递减形状。条形图不包括零(x[1:]) 所以你看不到左边的大条。

我是对的吗？

【讨论】：

我仔细检查了原始数据集中没有任何零
真的很别扭。但是我没有你的数据来测试。例如，你能在 R 中做同样的事情吗？如果您得到相同的估计值，这将是一个很好的快速测试。

【解决方案2】：

不幸的是 scipy.stats.gamma 没有很好的文档记录。

假设您有一些格式为 data=array([a1,a2,a3,.....]) 的“原始”数据，这些可能是您的实验结果。

您可以将这些原始值提供给 fit 方法：gamma.fit(data)，它将为您返回三个参数 a,b,c = gamma.fit(data)。这些是伽马曲线的“形状”、“位置”和“比例”，更适合您的数据（不是实际数据）的分布直方图。

我从网上的问题中注意到许多人感到困惑。他们有一个数据分布，并尝试用 gamma.fit 拟合它。这是错误的。

gamma.fit 方法需要您的原始数据，而不是您的数据分布。这大概会解决我们中少数人的问题。

【讨论】：