我们可以通过手头掌握的样本来估计总体的概率分布。这个过程由以下步骤组成。
第一步,我们采用Seaborn软件的histplot函数建立核密度图(一种概率密度图)。
import numpy as np
#输入样本数据
x=np.array([2.12906357, 0.72736725, 1.05152821, 0.48600398, 1.91963227,
1.62165678, 8.86319952, 0.24399412, 4.19883103, 2.80846683,
1.34644303, 0.35146917, 1.7575424 , 3.90572887, 1.07404978,
4.05247124, 0.65839571, 0.40166037, 2.03241598, 0.53592929])
import seaborn as sns
#kde=True会绘制概率密度曲线,否则只有直方图
sns.histplot(x,kde=True)
第二步,确定几个与之相近的候选概率分布(一般3个左右)。从上图来看,可以选择卡方分布、指数分布、伽玛分布。
第三步,分布拟合这三个候选分布的参数,并使用拟合得出的分布参数检验每一个候选分布
import scipy.stats as stats
#构造候选分布集合
dists={'expon':stats.expon,'chi2':stats.chi2,'gamma':stats.gamma}
for dist in dists:
#拟合每一个分布
params=dists[dist].fit(x)
#检验每一个分布
test=stats.kstest(x,dists[dist].cdf,params)
print(dist,test.pvalue,params)
第四步,选择p值(每一个值)最大的作为检验结果
expon 0.9001 (0.016, 1.91) chi2 0.3800 (1.78, 0.016, 1.37) gamma 0.8080 (0.94, 0.016, 1.95)
从以上数据可以看出,样本最大可能是参数的指数分布。而事实上,原始样本确实是以生成的随机数样本