Question

scipy.stats模块中可用的分布具有fit方法（http://docs.scipy.org/doc/scipy/reference/stats.html）来估计给定输入数据的分布参数。有没有办法获得拟合参数的协方差矩阵，还是我不得不求助于使用scipy.optimize.curve_fit？

Answer 1

参数估计的协方差需要Hessian进行最大似然估计，这在scipy.stats中是不可用的。

statsmodels有一个通用的Maximum Likelihood类，我只是修复它所以它可以处理这样的情况。（我正在准备拉取请求。固定参数比scipy.stats.distribution更难处理。）

http://statsmodels.sourceforge.net/devel/examples/generated/example_gmle.html

mod_par = MyPareto(data)
res = mod_par.fit()
print res.summary()

                               MyPareto Results
==============================================================================
Dep. Variable:                      y   Log-Likelihood:                -149.32
Model:                       MyPareto   AIC:                             306.6
Method:            Maximum Likelihood   BIC:                             317.1
Date:                Sat, 29 Jun 2013
Time:                        11:17:43
No. Observations:                 100
Df Residuals:                      97
Df Model:                           3
==============================================================================
                 coef    std err          z      P>|z|      [95.0% Conf. Int.]
------------------------------------------------------------------------------
shape          2.8604      0.286     10.000      0.000         2.300     3.421
loc           -1.2970   4.48e-06   -2.9e+05      0.000        -1.297    -1.297
scale          3.3032   8.06e-06    4.1e+05      0.000         3.303     3.303
==============================================================================

拟合参数的协方差矩阵与SciPy

1 个答案: