拟合 beta 分布（在 python 中） - 请澄清

Question

我正在使用 beta.fit(W) 拟合 beta 分布。 W 的值未达到 [0,1] 边界。我的问题如下 - 我是否需要通过 beta.fit(W,loc = min(W),scale = max(W) - min(W)) 强制 [0,1] 边界，或者我可以假设为只要数据在 [0,1] 范围内，拟合“会很好”吗？显然，缩放数据应该给出不同的 a 和 b 值。哪一个是“正确的”？

这个问题与： https://stats.stackexchange.com/questions/68983/beta-distribution-fitting-in-scipy

不幸的是，当数据在预期范围内时，没有给出有效的答案......

我尝试拟合使用已知 a 和 b 值生成的数据，但两种技术都无法很好地拟合，尽管缩放似乎有点帮助。

谢谢

Answer 1

当不传递floc 和fscale 参数时，fit 会尝试估计它们。如果您知道数据在特定区间内，则应使拟合函数知道附加信息（通过自己设置参数）以改善拟合。您还可以对 α、β 和比例参数给出初始猜测（通过 loc 和 scale 关键字参数）；不过，SciPy 的默认猜测功能似乎相当复杂。

从样本集 is not a good idea 的限制中推导出 floc 和 fscale，因为对于大多数 α 和 β 值，β 分布在区间边界处为零，这意味着您在数据之间创建了很大的差异和所有可能的配合。