Beta安装在Scipy中


14

根据维基百科,β概率分布具有两个形状参数:βαβ

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β吗?αβ


1
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

Answers:


13

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:

β,loc(下限),刻度(上限-下限)αβ


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。有关问题的更多信息,请参见这篇文章
jdj081 2014年

1
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

2
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
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.