scipy.stats.

ppcc_max#

scipy.stats.ppcc_max(x, brack=(0.0, 1.0), dist='tukeylambda')[源代码][源代码]#

计算使PPCC最大化的形状参数。

概率图相关系数 (PPCC) 图可以用来确定单参数分布族的最优形状参数。ppcc_max 返回对于给定数据，能够最大化概率图相关系数的形状参数。

参数:
xarray_like

输入数组。

括号tuple, 可选

三元组 (a,b,c) 其中 (a<b<c)。如果括号包含两个数字 (a, c)，则它们被假定为下坡括号搜索的起始区间（参见 scipy.optimize.brent）。

diststr 或 stats.distributions 实例，可选

分布或分布函数名称。 看起来足够像 stats.distributions 实例的对象（即它们有一个 ppf 方法）也可以接受。 默认是 'tukeylambda'。

返回:
shape_value浮动

概率图相关系数达到其最大值时的形状参数。

参见

ppcc_plot, probplot, boxcox

注释

brack 关键字作为一个起点，在特殊情况下非常有用。可以使用一个图表来获得最大值位置的粗略视觉估计，以便在附近开始搜索。

参考文献

[1]

J.J. Filliben, “概率图相关系数检验正态性”, 技术计量学, 第17卷, 第111-117页, 1975年。

示例

首先，我们从形状参数为2.5的韦伯分布中生成一些随机数据：

>>> import numpy as np
>>> from scipy import stats
>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()
>>> c = 2.5
>>> x = stats.weibull_min.rvs(c, scale=4, size=2000, random_state=rng)

使用Weibull分布生成此数据的PPCC图。

>>> fig, ax = plt.subplots(figsize=(8, 6))
>>> res = stats.ppcc_plot(x, c/2, 2*c, dist='weibull_min', plot=ax)

我们计算形状应达到其最大值的位置，并在该处绘制一条红线。该线应与PPCC图中的最高点重合。

>>> cmax = stats.ppcc_max(x, brack=(c/2, 2*c), dist='weibull_min')
>>> ax.axvline(cmax, color='r')
>>> plt.show()
../../_images/scipy-stats-ppcc_max-1.png
On this page