使用具有预定平均值和标准（位置和比例）的 scipy 拟合 t 分布？

Question

如何使用scipy.stats.t.fit()预定均值和标准差拟合 t 分布？

问题是，我有一个标准化的数据集，有mean=0和std=1，我只想得到dft 分布。但是当我这样做时scipy.stats.t.fit(data)，它输出df, loc, scale, 并且 loc&sclae 不一定等于 0&1。

我该如何解决这个问题？谢谢！

Answer 1

在对 的调用中.fit()，使用参数floc=0并fscale=1修复这些参数。

这是一个例子。首先，导入t并生成一个示例以使用：

In [24]: from scipy.stats import t

In [25]: np.random.seed(123)

In [26]: sample = t.rvs(3, loc=0, scale=1, size=10000)

现在使用该.fit()方法将t分布拟合到样本中，将位置限制为 0，将比例限制为 1：

In [27]: t.fit(sample, floc=0, fscale=1)
Out[27]: (3.1099609375000048, 0, 1)

在fitdocstring和stackoverflow 上有更多示例（使用不同的分布）。