如何使用Python将数据拟合到Weibull分布？

Question

我想使用Python 3.4来找到最佳的Weibull参数以适应一组数据。

import scipy.stats as ss
list1 = []
list2 = []
for x in range(0, 10):
    list1.append(ss.exponweib.pdf(x, a=1, c=2.09, scale=10.895, loc=0))
    list2.append(ss.weibull_min.pdf(x, c=2.09, loc=0, scale=10.895))
    if list1[x]-list2[x] < .000000001:
        list1[x]=list2[x]

if list1 == list2:
    print("true")

print(ss.distributions.weibull_min.fit(list1, floc=0))
print(ss.distributions.weibull_min.fit(list1, loc=0))
print(ss.distributions.weibull_min.fit(list1, floc=0))
print(ss.distributions.exponweib.fit(list1, 1,1))
print(ss.distributions.exponweib.fit(list1, floc=0, f0=1))
print(ss.distributions.exponweib.fit(list1, floc=0, a=1, f0=1))

我尝试过的所有方法都没有产生输入参数，并且我无法弄清楚原因。

这段代码的输出为：

true
(2.8971366871403661, 0, 0.065615284314998634)
(0.71134622938358294, 0.014105558832066645, 0.076662586739229072)
(2.8971366871403661, 0, 0.065615284314998634)
(0.27753056922336583, 3.1962672780921197, -3.4788071110631162e-27, 0.077986010645321888)
(1, 2.8971366871403661, 0, 0.065615284314998634)
(1, 2.8971366871403661, 0, 0.065615284314998634)

这些都不是正确的输入参数。（2.09 和 10.895）需要帮助请告知，谢谢。

- alphabet5

Answer 1

fit()方法的第一个参数是要拟合的分布的值样本（而不是PDF值）。因此，您应该使用rvs()方法生成数据，而不是pdf()方法。

这里有一个简单的示例，我从exponweib分布中生成了250个值的样本，然后在该样本上使用fit()。假设在拟合数据时，我知道形状参数a必须为1，并且loc参数必须为0：

In [178]: from scipy.stats import exponweib

In [179]: sample = exponweib.rvs(a=1, c=2.09, scale=10.895, loc=0, size=250)

In [180]: exponweib.fit(sample, floc=0, fa=1)
Out[180]: (1, 2.0822583185068915, 0, 10.946962241403902)

- Warren Weckesser