python概率分布拟合_概率分布拟合

我试图让数据符合概率分布(在我的例子中是伽马函数)。在

用瞬间法我取得了一些成功：mean, var = data.mean(), data.var()

α, β = mean ** 2 / var, var / mean

x = np.linspace(0, 100)

plt.plot(x, gamma.pdf(x, α, 0, β))

# Pandas is in use

data.plot(kind='hist', xlim=(0, 100), bins=500, normed=True, color='lightblue')

data.dropna().plot(kind='kde', xlim=(0, 100), style='r--')

但是这并不令人满意，所以我决定使用scipy的方法fit：

^{pr2}$

但我所取得的唯一结果是这种分布：

有人能描述一下我做错了什么吗？

我认为gamma.fit至少应该和矩量法一样好。在

升级版：

gamma.fit返回：(0.00077655597754514266, -6.0499462017751218e-25, 3.6337557495676194)

data.describe()表示数据正常：count 5546.000000

mean 45.601515

std 28.563211

min 0.000000

25% 35.000000

50% 42.000000

75% 52.000000

max 1488.000000

dtype: float64

正在尝试使用data[[data > 0]]强制将位置设置为0来筛选数据args = gamma.fit(list(data[[data > 0]]), floc=0)

args

(7.897834117836718, 0, 5.7749678991293987)

提供更好的结果。好像现在起作用了。谢谢！在