拟合概率分布到数据

Question

我试图将数据拟合到概率分布（在我的情况下是伽玛函数）。

凭借时刻的方法，我取得了一些成功：

mean, var = data.mean(), data.var()
α, β = mean ** 2 / var, var / mean

x = np.linspace(0, 100)

plt.plot(x, gamma.pdf(x, α, 0, β))
# Pandas is in use
data.plot(kind='hist', xlim=(0, 100), bins=500, normed=True, color='lightblue')
data.dropna().plot(kind='kde', xlim=(0, 100), style='r--')

然而这并不令人满意所以我决定使用scipy的方法fit：

args = gamma.fit(data)

x = np.linspace(0, 100)

plt.plot(x, gamma.pdf(x, *args))
data.plot(kind='hist', xlim=(0, 100), bins=500, normed=True, color='lightblue')
data.dropna().plot(kind='kde', xlim=(0, 100), style='r--')

但我取得的唯一结果就是这个分布：

有人可以形容我做错了什么吗？ 我认为gamma.fit应该至少与时刻方法一样好。

UPD：

gamma.fit会返回：(0.00077655597754514266, -6.0499462017751218e-25, 3.6337557495676194)

data.describe()显示数据正常：

count    5546.000000
mean       45.601515
std        28.563211
min         0.000000
25%        35.000000
50%        42.000000
75%        52.000000
max      1488.000000
dtype: float64

尝试将data[[data > 0]]强制位置数据过滤到0

args = gamma.fit(list(data[[data > 0]]), floc=0)
args

(7.897834117836718, 0, 5.7749678991293987)

给出更好的结果。好像它现在正在工作。谢谢！