Beta安装在Scipy中

根据维基百科，β概率分布具有两个形状参数：和。 $\alpha$ $\beta$

当我打电话scipy.stats.beta.fit(x)在Python，其中x是在范围内的一串数字，则返回4个值。这让我感到奇怪。 $[0,1]$

谷歌搜索后，我发现返回值之一必须是“位置”，因为如果我调用，第三个变量为0 scipy.stats.beta.fit(x, floc=0)。

有谁知道第四个变量是什么，并且前两个变量是和吗？ $\alpha$ $\beta$

python scipy beta-distribution

— 彼得·史密斯
source

该文档将最后两个“位置”和“比例”参数称为。因此，第四个是比例参数。位置和规模具有标准的统计意义。在NIST手册中明确给出了这种情况下的一种解释。

— ub

我遇到了完全相同的问题，但是由于某些原因，我的所有Beta模型都倾向于“保持稳定”。例如stats.beta.fit([60,61,62,72])我得到(0.7313395126217731, 0.7153715263378897, 58.999999999999993, 3.3500998441036982)。你知道我能做什么吗？

— TheChymera 2014年

只需为通用连续随机变量拟合方法添加此文档，其中包括一些使用beta.fit（）的示例：docs.scipy.org/doc/scipy/reference/generation/…–

— mathisfun

尽管显然缺乏有关的输出的文档beta.fit，但它的输出顺序如下：

，，loc（下限），刻度（上限-下限） $\alpha$ $\beta$

— jdj081
source

它只是根据数据范围吐出上下限，还是做其他事情？

— shadowtalker 2014年

限制基于概率分布。即。正态分布没有限制，但是样本数据很少超过〜+/-3。Beta分布具有硬限制，在这些限制之外的可能性为0。您的数据可能不会达到限制，具体取决于您要建模的内容。实际上，由于许多beta分布在极限处趋于零概率，因此试图使这些极限值与数据范围匹配可能会带来问题。有关此问题的更多信息，请参见这篇文章。

— jdj081 2014年

是的，我知道。这些限制始终为0和1。因此：此函数返回的上限和下限是多少，它们与“位置”和“比例”到底有什么相同？我想我只是不明白这个答案。

— shadowtalker 2014年

定义beta分布的方式，这些限制始终为0和1。但是广义的 beta分布包括这两个缩放因子。我建模的数据不在0到1之间，因此我必须使用这些数字。如果您的数据介于0和1之间，则这些输出应非常接近0和1。如果您知道限制为0和1，则可以使用floc=0and和fscale=1kwargs 强制使用。您仍将获得这些输出，但是它们将与您强制执行的输出相同。而且它可能会更改您的alpha和beta值。

— jdj081 2014年