我使用矩量法拟合负二项分布、泊松分布和几何分布
基本思想:获得经验的第一、第二等矩,然后从这些矩中导出分布参数
您可以在此问题中看到详细信息: Fitting Distributions with Maximum Likelihood Method
现在我想对gamma分布实现这个方法
对于伽马分布,我应用了这个
import pandas as pd
from scipy.stats import gamma
x = pd.Series(x)
mean = x.mean()
var = x.var()
likelihoods = {}
alpha = (mean**2)/var
beta = alpha / mean
likelihoods['gamma'] = x.map(lambda val: gamma.pdf(val, alpha)).prod()
然而,在伽马分布的结果中,似然值是无限的。所以,我不确定我是否能正确地将它应用于伽马方法
有人能帮忙吗
您将Gamma distribution的定义与
\alpha
和\beta
一起使用,而NumPy和SciPy使用的是形状和比例参数,它们是k
和\theta
基本上,您必须进行交互\beta才能缩小规模
相关问题 更多 >
编程相关推荐