python对数正态分布函数_python中的对数正态分布

你说I have a sample data, the logarithm of which follows a normal distribution.

假设data是包含样本的数组。使此数据适合

使用scipy.stats.lognorm的对数正态分布，使用：s, loc, scale = stats.lognorm.fit(data, floc=0)

假设mu和sigma是

基本正态分布。得到这些值的估计值

从该配合中，使用：estimated_mu = np.log(scale)

estimated_sigma = s

(这些是而不是的平均值和标准差的估计值

data中的样本。有关公式，请参见wikipedia page

对于对数正态分布的均值和方差，用mu和sigma表示。)

要组合直方图和PDF，可以使用，例如import matplotlib.pyplot as plt.

plt.hist(data, bins=50, normed=True, color='c', alpha=0.75)

xmin = data.min()

xmax = data.max()

x = np.linspace(xmin, xmax, 100)

pdf = stats.lognorm.pdf(x, s, scale=scale)

plt.plot(x, pdf, 'k')

如果想查看数据日志，可以执行以下操作

下面。注意，使用了正态分布的PDF

在这里。logdata = np.log(data)

plt.hist(logdata, bins=40, normed=True, color='c', alpha=0.75)

xmin = logdata.min()

xmax = logdata.max()

x = np.linspace(xmin, xmax, 100)

pdf = stats.norm.pdf(x, loc=estimated_mu, scale=estimated_sigma)

plt.plot(x, pdf, 'k')

顺便说一下，与stats.lognorm匹配的另一种方法是匹配log(data)

使用stats.norm.fit：logdata = np.log(data)

estimated_mu, estimated_sigma = stats.norm.fit(logdata)

相关问题：