如何使用拟合统计模型获得观察概率？

Question

我在 statsmodels 中有一个拟合泊松模型。对于我的每个观察结果，我都想计算观察到至少那么高的值的概率。换句话说我要计算：

P(y >= y_i | x_i)

（这应该是可能的，因为拟合模型预测某个值 lambda 作为我的自变量 x 的函数。这个 lambda_i 值定义了泊松分布，我应该能够从中推导出概率.)

我的问题实际上是关于 statsmodels 中的实施，而不是统计数据。尽管如果您认为它是相关的，请详细说明。

Answer 1

对于泊松，我们可以只使用 scipy.stats 的分布来计算给定预测均值的结果。

例如

mu = my_results.predict(...)
stats.poisson.sf(counts, mu)

与 pmf 相似的用法在 https://github.com/statsmodels/statsmodels/blob/master/statsmodels/discrete/discrete_model.py#L3922