将数据拟合到广义极值分布
Fitting data to a Generalized extreme value distribution
我一直在尝试使用 scipy.stats.genextreme 来使我的数据符合广义极值分布。我已经尝试了所有我能找到的方法,但我不知道为什么它不适合数据。
这两种方法我都试过了:
import numpy as np
from matplotlib import pyplot as plt
from scipy.stats import genextreme as gev
dataN = [0.0, 0.0, 0.122194513716, 0.224438902743, 0.239401496259, 0.152119700748,
0.127182044888, 0.069825436409, 0.0299251870324, 0.0199501246883, 0.00997506234414,
0.00498753117207, 0.0]
t = np.linspace(1,13,13)
fit = gev.fit(dataN,loc=3)
pdf = gev.pdf(t, *fit)
plt.plot(t, pdf)
plt.plot(t, dataN, "o")
print(fit)
以及
popt, pcov = curve_fit(gev.pdf,t, dataN)
plt.plot(t,gev.pdf(*popt),'r-')
第二种方法导致了这个
" ValueError: Unable to determine number of fit parameters."
感谢您能给我的任何帮助!
根据 scipy.stats 文档:
https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.genextreme.html
fit() 方法使用原始数据,看起来您在调用中传递了分箱直方图数据:
fit = gev.fit(dataN,loc=3)
尝试传入原始数据,看看它是否按您的需要工作。
我一直在尝试使用 scipy.stats.genextreme 来使我的数据符合广义极值分布。我已经尝试了所有我能找到的方法,但我不知道为什么它不适合数据。
这两种方法我都试过了:
import numpy as np
from matplotlib import pyplot as plt
from scipy.stats import genextreme as gev
dataN = [0.0, 0.0, 0.122194513716, 0.224438902743, 0.239401496259, 0.152119700748,
0.127182044888, 0.069825436409, 0.0299251870324, 0.0199501246883, 0.00997506234414,
0.00498753117207, 0.0]
t = np.linspace(1,13,13)
fit = gev.fit(dataN,loc=3)
pdf = gev.pdf(t, *fit)
plt.plot(t, pdf)
plt.plot(t, dataN, "o")
print(fit)
以及
popt, pcov = curve_fit(gev.pdf,t, dataN)
plt.plot(t,gev.pdf(*popt),'r-')
第二种方法导致了这个
" ValueError: Unable to determine number of fit parameters."
感谢您能给我的任何帮助!
根据 scipy.stats 文档:
https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.genextreme.html
fit() 方法使用原始数据,看起来您在调用中传递了分箱直方图数据:
fit = gev.fit(dataN,loc=3)
尝试传入原始数据,看看它是否按您的需要工作。