python中fit内参数的类型_关于python：如何在scipy.stats.gamma.fit中获取适合参数的误差估计？...

我有一些，我用scipy.stats拟合伽马分布。我能够提取形状、位置和比例参数，它们看起来与我期望的数据范围是合理的。

我的问题是：有没有办法同时得到参数中的错误？类似于曲线拟合的输出。注意：我不直接使用曲线拟合，因为它不能正常工作，而且大多数时间无法计算伽马分布的参数。另一方面，scipy.stats.gamma.fit工作正常。

这是我正在做的事情的一个例子(不是我的实际数据)。

from scipy.stats import gamma

shape = 12; loc = 0.71; scale = 0.0166

data = gamma.rvs(shape, loc=loc, scale=scale, size=1000)

params = gamma.fit(data) # params close to but not the same as (shape, loc, scale)

# HOW TO ESTIMATE/GET ERRORS FOR EACH PARAM?

提前谢谢

编辑警告：以下说明了在问题示例之后使用GenericLikelihoodModel。然而，在伽马分布的情况下，位置参数改变了分布的支持，这被最大似然估计的一般假设所排除。更标准的用法是固定支持，floc=0，所以它只是一个双参数分布。在这种情况下，标准MLE理论适用。

StatsModels有一个用于最大似然估计的通用类，GenericLikelihoodModel。它不是为这种情况直接设计的，但是可以与一些帮助一起使用(定义属性并提供start_参数)。

import numpy as np

from statsmodels.base.model import GenericLikelihoodModel

from scipy.stats import gamma

shape = 12; loc = 0.71; scale = 0.0166

data = gamma.rvs(shape, loc=loc, scale=scale, size=1000)

params = gamma.fit(data) # params close to but not the same as (shape, loc, scale)

# HOW TO ESTIMATE/GET ERRORS FOR EACH PARAM?

print(params)

print('

')

class Gamma(GenericLikelihoodMo