SciPy的 - 統計 - 爲概率分佈的參數含義

Question

SciPy的docs給使用指數作爲分發形式：

expon.pdf(x) = lambda * exp(- lambda*x) 

然而擬合函數採用：

fit(data, loc=0, scale=1) 

而RVS函數採用：

rvs(loc=0, scale=1, size=1) 

問題1： 爲什麼extraneou的位置變量？我知道指數是更普遍分佈（伽瑪）的具體形式，但爲什麼包括未被充分利用的信息呢？即使伽瑪沒有位置參數。

問題2： 是否按照與輸入變量相同的順序輸出擬合（...）。我的意思是 如果我做的：

t = fit([....]) , t will have the form t[0], t[1] 

我應該解釋T [0]作爲形狀和T 1爲標尺。

這是否適用於所有的分佈？

什麼伽瑪：

fit(data, a, loc=0, scale=1) 

Answer 1

1. 每一個單變量的概率分佈，無論其常用的配方，可以擴展到包括位置和尺度參數。有時，這需要將分佈的支持從正/非負實數擴展到整個實數行，只有當值低於loc時，PDF值爲0。 scipy.stats這樣做是否將loc和scale的所有處理移動到所有分配共享的常用方法。有人建議刪除它，並使分佈像gammaloc - 無法遵循其規範的公式。然而，事實證明，如果我沒有記錯的話，有些人確實使用了非零參數loc的「移動伽馬」分佈來模擬太陽黑子的大小，而scipy.stats的當前行爲對他們來說是完美的。所以我們保持它。

2. 如果有N形狀參數，fit()方法的輸出是形式爲(shape0, shape1, ..., shapeN, loc, scale)的元組的輸出。對於沒有形狀參數的正態分佈，它將僅返回(loc, scale)。對於一個伽馬分佈，它將返回(shape, loc, scale)。多個形狀參數的順序與您在分配中使用其他方法的順序相同。 This holds for all distributions.