我使用矩量法来拟合负二项式,泊松和几何分布。
基本思想:首先获取经验矩,第二矩等,然后从这些矩导出分布参数。
您可以在此问题中看到详细信息: Fitting Distributions with Maximum Likelihood Method
现在我想为伽马分布实现这种方法;
对于伽玛分布,我应用了这一点;
import pandas as pd
from scipy.stats import gamma
x = pd.Series(x)
mean = x.mean()
var = x.var()
likelihoods = {}
alpha = (mean**2)/var
beta = alpha / mean
likelihoods['gamma'] = x.map(lambda val: gamma.pdf(val, alpha)).prod()
但是,在Gamma分布的结果中,似然值是无限的。因此,我不确定是否可以将这种方法正确地应用于Gamma。
有人可以为此提供帮助吗?
答案 0 :(得分:1)
您使用\alpha
和\beta
定义Gamma distribution,而NumPy和SciPy使用形状和比例参数,分别是k
和{{1 }}。
基本上,您必须对\ beta进行往复操作才能缩小比例。
\theta