问题标签 [goodness-of-fit]

假设我有一些经验数据：

它呈指数分布（带有一些噪声），我想使用卡方拟合优度 (GoF) 测试来验证这一点。使用 Python 中的标准科学库（例如 scipy 或 statsmodels）以最少的手动步骤和假设来做到这一点的最简单方法是什么？

我可以拟合一个模型：

计算Kolmogorov-Smirnov 检验非常优雅。

但是，我找不到计算卡方检验的好方法。

statsmodel 中有一个卡方 GoF 函数，但它假设离散分布（并且指数分布是连续的）。

官方 scipy.stats 教程仅涵盖自定义分布的情况，并且概率是通过摆弄许多表达式（npoints、npointsh、nbound、normbound）来构建的，所以我不太清楚如何为其他分布做这件事。卡方示例假设已经获得了预期值和自由度。

另外，我不是在寻找一种“手动”执行测试的方法，正如这里已经讨论过的那样，而是想知道如何应用一个可用的库函数。

我在 MATLAB 中为卡方测试编写了代码。我希望获得 0.897 或 0.287 等 P 值，但我的结果太小。下面是我的代码：

我也尝试过使用AD 测试，结果相似：

下面是带有拟合 Weibull 密度函数的数据的直方图（Weibull 参数为A=4.0420和B=2.0853）

我正在使用 MATLAB 分析一些神经科学数据，并制作了一个 interspike 区间分布并对其进行指数拟合。然后，我想使用 MATLAB 的 Kolmogorov-Smirnov 测试来检查这种拟合。

神经元尖峰的数据只是存储在尖峰向量中。该spikes向量是一个 111 x 1 向量，其中每个条目是另一个向量。spikes向量中的每个条目代表一个试验。每次试验中的尖峰数量各不相同。例如，spikes{1}is a [1x116 double]，表示有 116 个尖峰。接下来有 ​​115 个尖峰，然后是 108 个，以此类推。

现在，我了解到 MATLAB 中的 kstest 需要几个参数。你在第一个中输入数据，所以我获取了所有的尖峰间隔并创建了一个行向量alldiffs来存储所有的尖峰间隔。我想将我的 CDF 设置为指数函数拟合：

请注意，理论指数（我用它拟合数据）是r*exp(-rt)发射r率。我得到大约 0.2 的射击率。现在，当我把所有这些放在一起时，我运行了 kstest：

然而，结果是 ap 数量级的值1.4455e-126。我尝试test_cdf使用 Mathworks 网站文档中的另一种方法重做：

这给出了完全相同的结果！身材真的很可怕吗？我不知道为什么我得到如此低的 p 值。请帮忙！

我会发布适合的图像，但我没有足够的声誉。

PS如果有更好的地方发这个，请告诉我，我会重新发布。

R 中是否有任何包允许同时将许多 pdf 拟合到一些样本数据，绘制所有拟合和样本直方图，然后允许按照一些 gof 标准对拟合进行排序，如 Kolmogorov-Smirnov、Anderson-Darling、X2 等。 ..？类似于 EasyFit 的商业软件？

更新

我收到了对我最初的问题的宝贵意见。具体来说，AIC 作为一个指标脱颖而出，它允许将 pdf 与不同数量的参数进行比较。但是，AIC 也有局限性。因此，想出/找到某种总结来说明所有用于模型选择的 gof 测试的优缺点会很有趣。其中许多主题对统计学家来说是常见的，但可能并非如此，并且对于必须每天针对实际问题执行许多 gof 决策的从业者来说非常有用。

欢迎任何建议。

谢谢！

嗨，有一组观察结果 obs= https://drive.google.com/file/d/0B3vXKJ_zYaCJVlhqd3FJT0xtWFk/view?usp=sharing

我想证明它们来自 Gamma 分布。

为此，我：

我的问题是我得到了 pvalue 的 NaN p_gamma_chi.... 我在哪里犯了错误？谢谢

这里有一些代码可以直观地检查分布

我有一个网络，我需要拟合幂律分布和指数分布并比较它们，选择更好的拟合。

我使用 igraph 包 degree.distribution 函数检索了度分布数据：

返回结果向量，例如

我尝试使用 igraph 的 power.law.fit 进行拟合，如下所示：

我的问题是：我还需要将数据拟合成指数分布并比较结果，所以我正在寻找一种方法来创建返回可比较参数的拟合。如果有更好的方法来找到适合的幂律，我很乐意尝试。

谢谢

我想这是一个简单的问题，但我无法解决。我有一个向量，它的第一个元素看起来像：

我想chi2gof在 Matlab 中进行测试以测试是否V呈指数分布。我做了：

但我收到一条警告消息：

我是否chi2gof错误地定义了呼叫？

由于 Matlab 中具有固定参数的一些问题，我不得不从标准切换。fit命令到lsqcurvefit.

对于普通 fit命令，输出参数之一是gof，我可以从中计算每个参数的 +/- 和 r^2 值。

这也应该是可能的lsqcurvefit。但我没有把它作为输出参数之一。

或者换句话说，我的问题是：如何计算 fitparamter 的 +/- lsqcurvefit？有人可以帮我吗？

谢谢，尼可

我正在使用pscl'shurdle函数拟合障碍模型。我无法解决与返回的对象相关的以下问题hurdle：

有没有一种直接的方法来模拟使用 生成的对象hurdle？

有没有一种直接的方法来获得拟合优度，比如伪 R2？

谢谢你。

我的目标是使数据适合任何具有积极支持的分布。（威布尔（2p），伽玛（2p），帕累托（2p），对数正态（2p），指数（1P））。第一次尝试，我使用 proc 单变量。这是我的代码

我注意到的第一件事是，没有显示 weibull 分布的 kolmogorov 统计数据。然后我改用 proc 严重性。

现在，我得到了威布尔分布的 KS 统计数据。然后我比较了 proc 严重性和 proc 单变量产生的 KS 统计量。他们是不同的。为什么？我应该使用哪一个？