直方图python高度_python-3.x

尽管将Poisson分布拟合到直方图上的职位过多，但都遵循了所有原则，但似乎没有一个对我有用。

我希望在此直方图中拟合泊松分布，如下所示：

import numpy as np

import matplotlib.pyplot as plt

from scipy.optimize import curve_fit

from scipy.misc import factorial

def poisson(t, rate, scale): #scale is added here so the y-axis

# of the fit fits the height of histogram

return (scale*(rate**t/factorial(t))*np.exp(-rate))

lifetimes = 1/np.random.poisson((1/550e-6), size=100000)

hist, bins = np.histogram(lifetimes, bins=50)

width = 0.8*(bins[1]-bins[0])

center = (bins[:-1]+bins[1:])/2

plt.bar(center, hist, align='center', width=width, label = 'Normalised data')

popt, pcov = curve_fit(poisson, center, hist, bounds=(0.001, [2000, 7000]))

plt.plot(center, poisson(center, *popt), 'r--', label='Poisson fit')

# import pdb; pdb.set_trace()

plt.legend(loc = 'best')

plt.tight_layout()

我得到的直方图如下所示：

我给出了7000的比例猜测，以将分布缩放到与我绘制的直方图的y轴相同的高度，并给出2000的猜测作为速率参数，因为它是2000 > 1/550e-6 。 如您所见，拟合的红色虚线在每个点均为0。 奇怪的是pdb.set_trace()告诉我poisson(center, *popt)给了我一个0值的列表。

126 plt.plot(center, poisson(center, *popt), 'r--', label='Poisson fit')

127 import pdb; pdb.set_trace()

--> 128 plt.legend(loc = 'best')

129 plt.tight_layout()

130

ipdb>

ipdb> poisson(center, *popt)

array([ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,

0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,

0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,

0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

这没有意义。 我想要的是在直方图上拟合泊松分布，以便找到泊松分布方程的最佳系数。 我怀疑这可能与它有关，因为我是在绘制lifetimes直方图，这是从泊松分布的逆函数中技术上随机采样的数据。 因此，我尝试计算分布的雅可比关系，以便可以更改变量，但仍然无法使用。 我觉得我在这里想念的不是编码而是数学相关的东西。