5

我想为我的数据拟合一个伽马分布，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)

我想将伽马分布的参数之一保留为变量（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，则无法将比例固定为 1。有一些解决方法吗？我不能只使用形状和比例来参数化伽马分布吗？

4

2 回答 2

6

在评论中我说你在发行版中遇到了一个错误gamma——它不能让你同时修复位置和比例。该错误已在 scipy 0.13 中修复，但如果您无法升级，您可以使用 class 的方法解决该错误，该fit方法rv_continuous是 的父类gamma：

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)
于 2013-09-09T19:50:10.197 回答
1

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)

如果你设置 floc=None，它会调用父类的 fit 函数（即 rv_continuous），你可以固定比例。

于 2013-09-09T17:42:23.063 回答