将分布拟合到直方图

I want to know the distribution of my data points, so first I plotted the histogram of my data. My histogram looks like the following:

其次，为了使它们适合发行版，这是我编写的代码：

size = 20000
x = scipy.arange(size)
# fit
param = scipy.stats.gamma.fit(y)
pdf_fitted = scipy.stats.gamma.pdf(x, *param[:-2], loc = param[-2], scale = param[-1]) * size
plt.plot(pdf_fitted, color = 'r')

# plot the histogram
plt.hist(y)

plt.xlim(0, 0.3)
plt.show()

结果是：

我究竟做错了什么？

您的数据似乎不是伽马分布的，但假设是，您可以这样拟合：

import numpy as np
import scipy.stats as stats
import matplotlib.pyplot as plt

gamma = stats.gamma
a, loc, scale = 3, 0, 2
size = 20000
y = gamma.rvs(a, loc, scale, size=size)

x = np.linspace(0, y.max(), 100)
# fit
param = gamma.fit(y, floc=0)
pdf_fitted = gamma.pdf(x, *param)
plt.plot(x, pdf_fitted, color='r')

# plot the histogram
plt.hist(y, normed=True, bins=30)

plt.show()

• pdf 下的面积（整个域）等于 1。 如果使用，直方图下方的面积等于 1normed=True.

• x有长度size（即 20000），以及pdf_fitted具有相同的形状x。如果我们打电话plot并仅指定 y 值，例如plt.plot(pdf_fitted)，然后在 x 范围内绘制值[0, size]。 这个 x 范围太大了。由于直方图将使用 x 范围[min(y), max(y)]，我们很多选择x跨越类似的范围：x = np.linspace(0, y.max())，并致电plot指定了 x 和 y 值，例如plt.plot(x, pdf_fitted).

• 正如 Warren Weckesser 在评论中指出的那样，对于大多数应用程序，您知道伽玛分布的域从 0 开始。如果是这种情况，请使用floc=0持有loc参数为 0。无floc=0, gamma.fit将尝试找到最适合的值loc参数也是如此，考虑到数据的变化无常，它通常不会完全为零。