考慮從未知樣本中採樣的整數值資料集連續分佈。我們試圖確定遇到大於任何給定閾值的值的機率（p 值）。為了準確估計這些機率，必須將我們的經驗分佈擬合到適當的理論分佈。本文探討如何在 Python 中使用 Scipy 執行此類擬合。
為了評估適合度，我們可以採用誤差平方和（SSE）指標來比較經驗數據和適合分佈的直方圖。具有最低 SSE 的分佈被認為是最佳擬合。
Scipy 的統計模組提供了廣泛的連續分佈類別。我們可以迭代每個分佈，估計其參數，計算 SSE，並儲存結果。
讓我們說明一下該過程使用厄爾尼諾資料集中的海面溫度 (SST) 資料。
下面的程式碼展示了這一點實現：
import numpy as np
import pandas as pd
import scipy.stats as st
import matplotlib.pyplot as plt
from scipy.stats._continuous_distns import _distn_names
import warnings
# El Niño SST data
data = pd.Series(sm.datasets.elnino.load_pandas().data.set_index('YEAR').values.ravel())
# Function to fit distributions based on SSE
def best_fit_distribution(data):
return sorted(
[
(getattr(st, distribution), distribution.fit(data), np.sum(np.power(data.hist(bins=50).values - distribution.pdf(data.index), 2.0)))
for distribution in _distn_names
if not distribution in ['levy_stable', 'studentized_range']
],
key=lambda x:x[2]
)
# Find best fit
best_dist = best_fit_distribution(data)[0]
# Plot distribution
fig, ax = plt.subplots(figsize=(12,8))
ax.plot(data.hist(bins=50, density=True, alpha=0.5, color='gray'))
param_names = best_dist[0].shapes + ', loc, scale' if best_dist[0].shapes else ['loc', 'scale']
param_str = ', '.join(['{}={:0.2f}'.format(k, v) for k, v in zip(param_names, best_dist[1])])
dist_str = '{}({})'.format(best_dist[0].name, param_str)
ax.plot(best_dist[0].pdf(data.index, **best_dist[1]), lw=2, label=dist_str)
ax.set_title('Fitted Distribution: ' + dist_str)
ax.set_xlabel('SST (°C)')
ax.set_ylabel('Frequency')
ax.legend()輸出將最佳擬合分佈顯示為威布爾分佈，參數為：
scale=0.64, loc=15.59
以上是如何使用 SciPy 找到經驗資料集的最佳擬合理論分佈併計算超過給定閾值的機率？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
