本文简要介绍 python 语言中 scipy.stats.boxcox_llf
的用法。
用法:
scipy.stats.boxcox_llf(lmb, data)#
Boxcox 对数似然函数。
- lmb: 标量
Box-Cox 转换的参数。有关详细信息,请参阅
boxcox
。- data: array_like
用于计算 Box-Cox 对数似然的数据。如果数据是多维的,则沿第一个轴计算对数似然。
- llf: 浮点数或 ndarray
Box-Cox 给定 lmb 的数据的对数似然。一维数据为浮点数,否则为数组。
参数 ::
返回 ::
注意:
Box-Cox 对数似然函数在这里定义为
其中
y
是 Box-Cox 转换后的输入数据x
。例子:
>>> import numpy as np >>> from scipy import stats >>> import matplotlib.pyplot as plt >>> from mpl_toolkits.axes_grid1.inset_locator import inset_axes
生成一些随机变量并计算
lmbda
值范围内的Box-Cox 对数似然值:>>> rng = np.random.default_rng() >>> x = stats.loggamma.rvs(5, loc=10, size=1000, random_state=rng) >>> lmbdas = np.linspace(-2, 10) >>> llf = np.zeros(lmbdas.shape, dtype=float) >>> for ii, lmbda in enumerate(lmbdas): ... llf[ii] = stats.boxcox_llf(lmbda, x)
还可以使用
boxcox
找到最佳 lmbda 值:>>> x_most_normal, lmbda_optimal = stats.boxcox(x)
将对数似然绘制为 lmbda 的函数。将最佳 lmbda 添加为水平线,以检查这是否确实是最佳值:
>>> fig = plt.figure() >>> ax = fig.add_subplot(111) >>> ax.plot(lmbdas, llf, 'b.-') >>> ax.axhline(stats.boxcox_llf(lmbda_optimal, x), color='r') >>> ax.set_xlabel('lmbda parameter') >>> ax.set_ylabel('Box-Cox log-likelihood')
现在添加一些概率图,以显示在对数似然最大化的情况下,使用
boxcox
转换的数据看起来最接近正常:>>> locs = [3, 10, 4] # 'lower left', 'center', 'lower right' >>> for lmbda, loc in zip([-1, lmbda_optimal, 9], locs): ... xt = stats.boxcox(x, lmbda=lmbda) ... (osm, osr), (slope, intercept, r_sq) = stats.probplot(xt) ... ax_inset = inset_axes(ax, width="20%", height="20%", loc=loc) ... ax_inset.plot(osm, osr, 'c.', osm, slope*osm + intercept, 'k-') ... ax_inset.set_xticklabels([]) ... ax_inset.set_yticklabels([]) ... ax_inset.set_title(r'$\lambda=%1.2f$' % lmbda)
>>> plt.show()
相关用法
- Python SciPy stats.boxcox_normplot用法及代码示例
- Python SciPy stats.boxcox_normmax用法及代码示例
- Python SciPy stats.boxcox用法及代码示例
- Python SciPy stats.boltzmann用法及代码示例
- Python SciPy stats.boschloo_exact用法及代码示例
- Python SciPy stats.bootstrap用法及代码示例
- Python SciPy stats.bartlett用法及代码示例
- Python SciPy stats.brunnermunzel用法及代码示例
- Python SciPy stats.betaprime用法及代码示例
- Python SciPy stats.betabinom用法及代码示例
- Python SciPy stats.binned_statistic_2d用法及代码示例
- Python SciPy stats.binned_statistic用法及代码示例
- Python SciPy stats.bayes_mvs用法及代码示例
- Python SciPy stats.burr12用法及代码示例
- Python SciPy stats.binom用法及代码示例
- Python SciPy stats.burr用法及代码示例
- Python SciPy stats.bws_test用法及代码示例
- Python SciPy stats.beta用法及代码示例
- Python SciPy stats.bradford用法及代码示例
- Python SciPy stats.binomtest用法及代码示例
- Python SciPy stats.binned_statistic_dd用法及代码示例
- Python SciPy stats.binom_test用法及代码示例
- Python SciPy stats.bernoulli用法及代码示例
- Python SciPy stats.barnard_exact用法及代码示例
- Python SciPy stats.anderson用法及代码示例
注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.stats.boxcox_llf。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。