泊松分佈適合

我需要適合泊松分佈到一組數據：泊松分佈適合

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給出的例子。

如果我對伽瑪函數部分發表評論，它就像一個魅力，所以問題在那裏，但我不知道如何解決它。

我得到以下錯誤：

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

擬合的輸入參數是plt.hist的輸出，我檢查和類型是numpy的ndarray

來源

2013-11-25 Jasimud

你會得到什麼錯誤？ –

如果你有數據（不只是直方圖），這裏沒有必要進行優化。對於泊松分佈，只需通過「np.mean（data）」就可以分析找到最合適的參數（lambda，你的'p [1]'）。 'p [0]'只是標準化。 – askewchan

是'bins_mean'和'n' numpy數組嗎？錯誤使我相信你正在通過列表。 –

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))

既然你說它工作沒有math.gamma（x + 1）的一部分，我猜測它會工作，如果你改變

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)

因爲math.gamma不喜歡列表（或任何不是我猜的浮動），而階乘可以正常使用列表嗎？

旁邊的問題：你爲什麼要使用pow，而不是僅僅使用**？

來源

2013-11-29 14:18:42 usethedeathstar

泊松分佈適合

回答

相關問題