拟合 beta 分布（在 python 中）- 请说明

Question

我正在用 beta.fit(W) 拟合 beta 分布。 W 的值未达到 [0,1] 边界。我的问题如下 - 我是否需要通过 beta.fit(W,loc = min(W),scale = max(W) - min(W)) 强制 [0,1] 边界，或者我可以假设只要数据在[0,1]范围内，拟合"will be fine"？显然，缩放数据应该给出不同的 a 和 b 值。 "correct one" 是哪一个？

这个问题是关于： https://stats.stackexchange.com/questions/68983/beta-distribution-fitting-in-scipy

不幸的是，当数据在预期范围内时，没有给出有效的答案...

我尝试拟合使用已知的 a 和 b 值生成的数据，但两种技术都无法很好地拟合，尽管缩放似乎有点帮助。

谢谢

Answer 1

当不传递 floc 和 fscale 参数时，fit 会尝试估计它们。如果您知道数据处于特定区间内，您应该让拟合函数知道该附加信息（通过自己设置参数）以提高拟合度。您还可以给出 α、β 和比例参数的初始猜测（通过 loc 和 scale 关键字参数）；不过，SciPy 的默认猜测功能似乎相当复杂。

从样本集 is not a good idea 的极限导出 floc 和 fscale 因为对于大多数 α 和 β 值，beta 分布在区间边界处为零，这意味着您在数据和所有可能的拟合之间造成了很大的差异。