问题标签 [scipy.stats]

我正在尝试在三组之间执行单向方差分析。我已经能够使用 SCIPY.STATS 获得 F 统计量和 F 分布的 p 值。但是，我的偏好是将 ANOVA 表作为具有平方和的 R 类输出。下面给出了我的 SCIPY.STATS 单向方差分析代码。STATSMODELS ANOVA 的所有文档都使用 pandas 数据框。任何有关如何调整我现有的 STATSMODELS 代码的帮助将不胜感激。

我有一堆数据点和一个模型，现在我正在寻找可以排除模型的置信水平。

我从一个卡方值开始，伴随着一个自由度数的值。

使用 scipy，我一直在尝试的看起来像这样：

这会产生我正在寻找的输出（5.5 sigma 置信度），但对于更高的 chi^2 值会失败。

在我看来，问题在于 scipy 使用的数据类型的精度。对于 chi^2 值 334.7（和相同数量的自由度），chi2.cdf 产生 1.0，这反过来使 norm.interval 返回 -inf/inf。这应该最好返回 16.1 sigma 置信度。

我找到了一种使用 mpmath 为 cdf 获得更好精度的方法：

但是，问题仍然存在，因为 scipy.stats.norm.interval 似乎将输入四舍五入为 1.0。

有没有办法通过更改数据类型 norm.interval 使用来规避这种情况，或者是否有其他方法/包来计算具有任意精度输入的正态分布的端点？

我正在使用 scipy.stats.spearmanr 来计算 2 个序数变量的 Spearman 等级相关性。我不确定是否对它们进行编码。我两种方式都试过了，不管怎样，这个函数似乎都会吐出结果。所以我不确定该走哪条路。

我试图用正常的分布来近似一些硬分布。但scipy.stats.norm.fit给出了一些尴尬的结果。近似结果与原始结果相差甚远。然后我尝试手动设置参数，它看起来好多了。但是，对数似然状态则metod更好。为什么？一切正常吗？还有其他方法来估计分布参数吗？

您好，我想给我一个特定的数字积分的 x 值是多少。

到目前为止，我正在使用 scipy.integrate 并且工作正常，但是给定一个整数值有没有办法知道给出该结果的 x 是什么？

假设我有一个函数 f(x) = |2-x| 1<=x<=3

我想知道给我 0.25（第一个四分位数）的 x 值是多少。

在 scipy.stats 中用于正态分布的是 norm.ppf()，在这种特殊情况下，我将它用于 PDF（概率密度函数），但它可以是任何积分。

谢谢并恭祝安康

scipy.stats统计分布套件（scipy.stats.norm、scipy.stats.uniform等 scipy.stats.t）都使用自己的函数生成单变量数据序列，.rvs()并且只有一个具有多变量表示形式：，multivariate_normal对应于numpy。numpy.random.randn((N,K))事实上，几乎所有在 中发现的统计分布都numpy.random可以产生多变量数据。

scipy.stats考虑到它拥有一些在numpy.randomlike中找不到的分布，我如何将发现的单变量分布函数扩展到多元数生成johnsonsu？我必须自己手动制作一个将多个单变量连接在一起的循环函数吗？那应该是什么样子

我正在研究在一些整数数据上拟合 Weibull 分布并估计相关的形状、比例、位置参数。但是，我在这样做时注意到scipy.stats库的性能不佳。

所以，我采取了不同的方向，并使用下面的代码检查了合身性能。我首先使用参数 shape=3、scale=200、location=1 的 Weibull 分布创建 100 个数字。随后，我使用fitter库估计最佳分布拟合。

我希望最适合的是 Weibull 分布。我试过重新运行这个测试。有时 Weibull 拟合是一个很好的估计。然而，大多数时候 Weibull 拟合被报告为最差的结果。在这种情况下，估计的参数为 = (0.13836651040093312, 66.99999999999999, 1.3200752378443505)。我假设这些参数依次对应于形状、比例、位置。以下是拟合过程的摘要。

此外，还生成了以下图。

此外，瑞利分布是形状参数 = 2 的 Weibull 分布的特例。因此，我希望得到的 Weibull 拟合至少与 Rayleigh 一样好。

更新

我在 numpy 版本 1.19.2 和 scipy 版本 1.5.2 的 Linux/Ubuntu 20.04 机器上运行了上面的测试。上面的代码似乎按预期运行，并为 Mac 机器上的 Weibull 分发返回了正确的结果。

我还通过使用 R 库fitdistrplus测试了在 Linux 机器上生成的数据x上拟合 Weibull 分布：

并观察到估计的形状和比例值与最初给定的值非常接近。到目前为止，最好的猜测是问题是由于一些 Python-Ubuntu 错误/不兼容造成的。

我可以被认为是这个领域的新手。所以，我想知道，我在这里做错了吗？还是以某种方式预期这个结果？任何帮助是极大的赞赏。

谢谢你。

此处已回答了一个相关问题。但是，在我更新我numpy的scipy、 和scikit-learn包后，

并运行（我重新启动终端）

我仍然有错误ModuleNotFoundError: No module named 'numpy.testing.decorators'。

一条评论：

此错误仅针对 Python3 显示。对于 Python2，它通过了。

两个月前我在这里问了一个问题（Is it possible to do running correlation with one fixed series in Python?），我从一位用户那里得到了很大的帮助。

我的目标是与 Pandas 中的一个固定系列进行运行关联。这可以通过以下按行工作的代码来实现。但是，我的目标是按列执行此操作。因此，我不想逐行测试相关性，而是想为每一列运行相关性测试。任何帮助表示赞赏！

但是，我的目标是按列执行此操作。

然后我的数据看起来像这样：

我想要的输出是这样的：

我试图在我的 KDE 绘图的 x 轴上只获得非负值。我知道我可以限制 x 轴值，但我不希望那样。有没有办法平滑地逼近 KDE，使得没有非负值？我所有的数据都是非负的，但我没有很多样本点（最多 500 个，我无法获得更多）。我也尝试过调整带宽，但看起来不太好。