使用scipy.stats.gamma和scipy.optimize.minimize来估计规模参数

Question

我试图通过使用scipy.stats.gamma和scipy.optimize.minimize以及我的数据来估计scale参数。 我建立了一个要评估的函数：

def loss_func(para, x, y):
    return sum((gamma.cdf(x, para[0], para[1])-y)**2)/2

以及

^{pr2}$

这样，res.x[1]会返回scale参数，而{}会返回shape参数吗？在

Answer 1

不，我不认为你说得对。请参阅scipy.stats的文档，了解累积分布函数方法：.cdf(x, a, loc=0, scale=1)，函数如下：

def loss_func(para, x, y):
    return sum((gamma.cdf(x, para[0], para[1])-y)**2)/2

para[0]变为a，因此形状参数和para[1]变成{}，这是位置参数。结果，res.x[1]返回位置，res.x[0]返回shape，这不是您想要的。在

所以你应该把你的功能改成：

^{pr2}$

现在，请记住，你实际上是在做最小二乘法最小化，以使经验CDF与Gamma CDF相匹配。什么@贝沙德努里建议使用.fit()方法，是一种最大似然法。这两者不同，预期结果也会不同。如果你有原始数据（而不是经验CDF），你最好使用.fit()或{}方法。在