Question

我对python世界很新。另外，我不是统计学家。我需要在计算机科学编程语言中实现由数学家开发的数学模型。经过一些研究，我选择了python。我很喜欢编程（PHP / HTML / javascript）。

我有一列我从MySQL数据库中提取的值＆amp;需要计算以下 -

1) Normal distribution of it. (I don't have the sigma & mu values. These need to be calculated too apparently). 
2) Mixture of normal distribution
3) Estimate density of normal distribution
4) Calculate 'Z' score

值数组看起来类似于下面的数组（我填充了样本数据） -

d1 = [3,3,3,3,3,3,3,9,12,6,3,3,3,3,9,21,3,12,3,6,3,30,12,6,3,3,24,30,3,3,3]


mu1, std1 = norm.fit(d1)

我理解的正态分布可以计算如下 -

import numpy as np
from scipy.stats import norm

mu, std = norm.fit(data)

请问我们如何开始使用（2），（3）和＆amp; （4）请在这？我期待收到专家的意见，我将继续在线查询。

如果问题没有充分理解，请告诉我哪些方面缺失，以便我试试＆amp;获取有关的信息。

我非常感谢你们的任何帮助。

Answer 1

您问题的某些部分尚不清楚。它可能有助于提供您尝试实现的内容，而不是您正在采取的具体步骤。

1）+ 3）在正态分布中 - 拟合分布，估计均值和标准差 - 基本相同。平均值和标准差完全确定分布。

mu, std = norm.fit(data)

无异于说＆＃34;找到最适合分布的均值和标准差＆＃34;。

4）计算Z分数 - 您必须解释您尝试做的事情。这个usually means数据点的平均值高于（或低于）多少，以标准差为单位。这是你需要的吗？如果是这样，那么它只是

(np.array(data) - mu) / std

2）正态分布的混合 - 这是完全不清楚的。它通常意味着分布实际上是由多个正态分布生成的。这是什么意思？

Answer 2

关于（2），对“高斯蟒蛇混合物”的网络搜索应该会有大量的点击。

高斯混合物是一个非常简单的想法 - 而不是单个高斯凸起，密度包含多个凸起。密度是加权和$ \ sum_k \ alpha_k g（x，\ mu_k，\ sigma_k ^ 2）$，其中权重$ \ alpha_k $为正，总和为1，$ g（x，\ mu，\ sigma ^ 2）$是单个高斯碰撞。

要确定参数$ \ alpha_k $，$ \ mu_k $和$ \ sigma_k ^ 2 $，通常会使用所谓的期望最大化（EM）算法。再次网络搜索应该找到很多点击。用于高斯混合的EM算法在一些Python库中实现。自己编写它并不太复杂，但也许要开始使用现有的实现。

Python - 统计分布

2 个答案: