代码之家 › 专栏 › 技术社区 › 8-Bit Borges

直方图上的泊松拟合曲线

poisson seaborn scipy

8-Bit Borges · 技术社区 · 4 年前

我想把我的经验数据拟合成泊松分布曲线。

我有给定的平均值,比如2.3,和数据(经验)。

def fit_poisson(data=None,network=None,mu=2.3):
    sns.set_theme()
    fig, ax = plt.subplots(1, 1)

    x = np.arange(poisson.ppf(0.01, mu),
                  poisson.ppf(0.99, mu))
    
    sns.histplot(data, stat='density')
    
    plt.plot(x, poisson.pmf(x, mu))

它描绘了:

很明显,这里y有一个范围问题。也许兰姆达有问题?如何将经验直方图与相同均值的泊松分布曲线适当拟合?

1 回复 | 直到 4 年前

mwaskom 4 年前

泊松随机变量是离散的:它们的y值是“概率”而不是“密度”。但是 histplot 避免猜测你有离散的数据,这是选择带有 binwidth <1在这种情况下。

因为密度标准化迫使所有条带的面积总和为1,这意味着包含特定值观测值的条带的密度值将大于该值上的概率质量。

这里有两个相关参数:

stat="probability" 将使钢筋的高度总和为1,因此它们将匹配PMF(假设 宽度 <2,这样每个栏中只显示一个唯一的值)
discrete=True ,设置 binwidth=1 (并将每个条的中心与整数值对齐)

sns。histplot(数据,stat='probability',discrete=True,shrink=0.8)

我还补充了 shrink=0.8 ,这会使条带比宽度窄一点;这有助于强调数据的离散性。

(请注意 离散=真 (暗示) 宽度=1 ),密度和概率标准化将做同样的事情,所以这实际上就是你所需要的,但是 Probability 是此处要使用的正确y轴标签)。

推荐文章

mmonti · 求解微分方程的solve_ivp问题取决于t_span

1 年前

user11634 · scipy depth_first_order的前身

1 年前

Ishigami · 在python scipy中使用fsolve和quad求解积分方程组

2 年前

bougab · 为什么我不能将我的模型准确地拟合到杨的干涉数据中?

2 年前

Linear Algebra fans · 为什么在使用FFT的乘积对1D阵列执行卷积时,值不同?

2 年前

mayen · Z-Score作为差异值的度量

2 年前

impedance_gatto · Scipy中的指数衰减拟合

2 年前

MaximeJaccon · 优化Odint

2 年前

MaaikevR · stats.ttest_ind:提取df值

2 年前

jlewk · scipy.linprog可行性的Bug?(A_ub@x0<=b_ub).all()为True,但--linprog(np.zeros_like(x0),A_ub=A_ub,b_ub=b_ub

2 年前