Ajuste de una distribución gamma con (python) Scipy

¿Alguien me puede ayudar a instalar una distribución gamma en python? Bueno, tengo algunos datos: coordenadas X e Y, y quiero encontrar los parámetros gamma que se ajustan a esta distribución ... En el Scipy doc, resulta que realmente existe un método de ajuste, pero no sé cómo úselo: s ... Primero, ¿en qué formato debe estar el argumento "data" y cómo puedo proporcionar el segundo argumento (los parámetros) ya que eso es lo que estoy buscando?Ajuste de una distribución gamma con (python) Scipy

Fuente

2010-05-24 Archanimus

generar algunos datos gamma:

import scipy.stats as stats  
alpha = 5 
loc = 100.5 
beta = 22 
data = stats.gamma.rvs(alpha, loc=loc, scale=beta, size=10000)  
print(data) 
# [ 202.36035683 297.23906376 249.53831795 ..., 271.85204096 180.75026301 
# 364.60240242]

Aquí se ajusta a los datos de la distribución gamma:

fit_alpha, fit_loc, fit_beta=stats.gamma.fit(data) 
print(fit_alpha, fit_loc, fit_beta) 
# (5.0833692504230008, 100.08697963283467, 21.739518937816108) 

print(alpha, loc, beta) 
# (5, 100.5, 22)

Fuente

2010-05-24 10:38:29 unutbu

Gracias mucho, pero ¿por qué se crea la variable x en el principio – Archanimus

Ah, parece que mi mensaje es demasiado tarde Gracias gracias de nuevo;). – Archanimus

scipy.stats utiliza máxima likelih una buena estimación para el ajuste, por lo que debe pasar los datos brutos y no el pdf/pmf (x, y) – ianalis

Si quieren un largo ejemplo incluyendo una discusión sobre la estimación o la fijación del soporte de la distribución, luego puede encontrarlo en https://github.com/scipy/scipy/issues/1359 y el mensaje de la lista de correo vinculada.

La compatibilidad preliminar para corregir parámetros, como la ubicación, durante el ajuste se ha agregado a la versión troncal de scipy.

Fuente

2010-11-09 00:39:36 user333700

No estaba satisfecho con la función ss.gamma.rvs ya que puede generar números negativos, algo que se supone que no tiene la distribución gamma. Así que ajusté la muestra a través del valor esperado = mean (data) y varianza = var (data) (ver wikipedia para más detalles) y escribí una función que puede producir muestras aleatorias de una distribución gamma sin scipy (que encontré difícil de instalar correctamente, en un sidenote):

import random 
import numpy 

data = [6176, 11046, 670, 6146, 7945, 6864, 767, 7623, 7212, 9040, 3213, 6302, 10044, 10195, 9386, 7230, 4602, 6282, 8619, 7903, 6318, 13294, 6990, 5515, 9157] 

# Fit gamma distribution through mean and average 
mean_of_distribution = numpy.mean(data) 
variance_of_distribution = numpy.var(data) 

def gamma_random_sample(mean, variance, size): 
    """Yields a list of random numbers following a gamma distribution defined by mean and variance""" 
    g_alpha = mean*mean/variance 
    g_beta = mean/variance 
    for i in range(size): 
     yield random.gammavariate(g_alpha,1/g_beta) 

# force integer values to get integer sample 
grs = [int(i) for i in gamma_random_sample(mean_of_distribution,variance_of_distribution,len(data))] 

print("Original data: ", sorted(data)) 
print("Random sample: ", sorted(grs)) 

# Original data: [670, 767, 3213, 4602, 5515, 6146, 6176, 6282, 6302, 6318, 6864, 6990, 7212, 7230, 7623, 7903, 7945, 8619, 9040, 9157, 9386, 10044, 10195, 11046, 13294] 
# Random sample: [1646, 2237, 3178, 3227, 3649, 4049, 4171, 5071, 5118, 5139, 5456, 6139, 6468, 6726, 6944, 7050, 7135, 7588, 7597, 7971, 10269, 10563, 12283, 12339, 13066]

Fuente

2014-04-04 07:29:13 mondano

1): los "datos" variable podría estar en el formato de una lista de Python o tupla, o una numpy.ndarray, que se podría obtener mediante el uso de:

data=numpy.array(data)

donde los 2da datos en la línea antedicha deben ser una lista o una tupla, conteniendo sus datos.

2: la variable "parámetro" es una primera conjetura que podría proporcionar opcionalmente a la función de adaptación como punto de partida para el proceso de adaptación, por lo que podría omitirse.

3: una nota sobre la respuesta de @mondano. El uso de momentos (media y varianzas) para calcular los parámetros de gamma son razonablemente buenos para parámetros de forma grandes (alfa> 10), pero pueden dar resultados pobres para valores pequeños de alfa (Ver Métodos estadísticos en las scineces atmosféricas de Wilks , y THOM, HCS, 1958: Una nota sobre la distribución gamma.Mon. Wea. Rev., 86, 117-122.

El uso de Estimadores de máxima verosimilitud, como el implementado en el módulo scipy, se considera una mejor opción .!? en tales casos

Fuente

2014-04-23 20:35:42 Jason

Ajuste de una distribución gamma con (python) Scipy

Respuesta

Cuestiones relacionadas