泊松分布适合

我需要适合泊松分布到一组数据：泊松分布适合

fitfunc = lambda p, x: p[0]*pow(p[1],x)*pow(e,-p[1])/math.gamma(x+1) # Target function 
errfunc = lambda p, x, y: fitfunc(p, x) - y # Distance to the target function 
p0 = [1., 2.] # Initial guess for the parameters 
p1, success = optimize.leastsq(errfunc, p0[:], args=(bins_mean, n))

我提出，使用在SciPy documentation给出的例子。

如果我对伽玛函数部分发表评论，它就像一个魅力，所以问题在那里，但我不知道如何解决它。

我得到以下错误：

TypeError: can only concatenate list (not "int") to list

拟合的输入参数是plt.hist的输出，我检查和类型是numpy的ndarray

来源

2013-11-25 Jasimud

你会得到什么错误？ –

如果你有数据（不只是直方图），这里没有必要进行优化。对于泊松分布，只需通过“np.mean（data）”就可以分析找到最合适的参数（lambda，你的'p [1]'）。 'p [0]'只是标准化。 – askewchan

是'bins_mean'和'n' numpy数组吗？错误使我相信你正在通过列表。 –

fitfunc = lambda p, x: p[0]*pow(p[1],x)*pow(e,-p[1])/math.gamma(x+1) # Target function 
errfunc = lambda p, x, y: fitfunc(p, x) - y # Distance to the target function 
p0 = [1., 2.] # Initial guess for the parameters 
p1, success = optimize.leastsq(errfunc, p0[:], args=(bins_mean, n))

既然你说它工作没有math.gamma（x + 1）的一部分，我猜测它会工作，如果你改变

fitfunc = lambda p, x: p[0]*pow(p[1],x)*pow(e,-p[1])/math.gamma(x+1)

from scipy.misc import factorial 
fitfunc = lambda p, x: p[0]*pow(p[1],x)*pow(e,-p[1])/factorial(x)

因为math.gamma不喜欢列表（或任何不是我猜的浮动），而阶乘可以正常使用列表吗？

旁边的问题：你为什么要使用pow，而不是仅仅使用**？

来源

2013-11-29 14:18:42 usethedeathstar

泊松分布适合

回答

相关问题