scipy中的偏斜正态分布
Posted
技术标签:
【中文标题】scipy中的偏斜正态分布【英文标题】:skew normal distribution in scipy 【发布时间】:2011-08-18 14:12:05 【问题描述】:有谁知道如何用 scipy 绘制偏态正态分布? 我认为可以使用 stats.norm 类,但我不知道如何使用。 此外,如何估计描述一维数据集偏态正态分布的参数?
【问题讨论】:
【参考方案1】:来自***description,
from scipy import linspace
from scipy import pi,sqrt,exp
from scipy.special import erf
from pylab import plot,show
def pdf(x):
return 1/sqrt(2*pi) * exp(-x**2/2)
def cdf(x):
return (1 + erf(x/sqrt(2))) / 2
def skew(x,e=0,w=1,a=0):
t = (x-e) / w
return 2 / w * pdf(t) * cdf(a*t)
# You can of course use the scipy.stats.norm versions
# return 2 * norm.pdf(t) * norm.cdf(a*t)
n = 2**10
e = 1.0 # location
w = 2.0 # scale
x = linspace(-10,10,n)
for a in range(-3,4):
p = skew(x,e,w,a)
plot(x,p)
show()
如果您想从数据集中查找比例、位置和形状参数,请使用scipy.optimize.leastsq
,例如使用e=1.0
、w=2.0
和a=1.0
,
fzz = skew(x,e,w,a) + norm.rvs(0,0.04,size=n) # fuzzy data
def optm(l,x):
return skew(x,l[0],l[1],l[2]) - fzz
print leastsq(optm,[0.5,0.5,0.5],(x,))
应该给你类似的东西,
(array([ 1.05206154, 1.96929465, 0.94590444]), 1)
【讨论】:
【参考方案2】:接受的答案或多或少已经过时了,因为 skewnorm
函数现在在 scipy 中实现。所以代码可以写得更短:
from scipy.stats import skewnorm
import numpy as np
from matplotlib import pyplot as plt
X = np.linspace(min(your_data), max(your_data))
plt.plot(X, skewnorm.pdf(X, *skewnorm.fit(your_data)))
【讨论】:
需要一个额外的 ) 在 plt.plot 行的末尾。虽然太短,无法接受编辑 @BlueTurtle 谢谢,我加了。以上是关于scipy中的偏斜正态分布的主要内容,如果未能解决你的问题,请参考以下文章
为啥我的训练集也应该因为我的测试集偏斜而在类分布的数量上偏斜
尝试 MLE 拟合 Weibull 分布时 scipy.optimize.minimize 中的 RuntimeWarning