简介:我有一个超过30 000个值的列表,范围从0到47,例如[0,0,0,0,...,1,1,1,1,...,2,2,2,2, ......,47等]是连续分布.
问题:基于我的分布,我想计算任何给定值的p值(看到更大值的概率).例如,正如您所见,0的p值接近1,较高的数值的p值趋于0.
我不知道我是否正确,但是为了确定概率,我认为我需要将我的数据拟合到最适合描述我的数据的理论分布.我认为需要某种拟合优度测试来确定最佳模型.
有没有办法在Python中实现这样的分析(Scipy或Numpy)？你能举个例子吗？
谢谢!
我有一个示例数据,我希望得到最合适的分布.我有几个链接表明我可以从中导入分发scipy.stats,但后来我不知道数据的类型.我想类似的东西allfitdist()在MATLAB它试图以适应数据约20的分布,并返回最合适的.
链接allfitdist():http://www.mathworks.in/matlabcentral/fileexchange/34943-fit-all-valid-parametric-probability-distributions-to-data
任何帮助都非常值得赞赏.谢谢.
我有如下数据,我需要确定数据的分布.请帮助.
x <- c(37.50,46.79,48.30,46.04,43.40,39.25,38.49,49.51,40.38,36.98,40.00,38.49,37.74,47.92,44.53,44.91,44.91,40.00,41.51,47.92,36.98,43.40)