Python SciPy stats.ppcc_max用法及代码示例

本文简要介绍 python 语言中 scipy.stats.ppcc_max 的用法。

用法:

scipy.stats.ppcc_max(x, brack=(0.0, 1.0), dist='tukeylambda')#

计算使 PPCC 最大化的形状参数。

概率图相关系数 (PPCC) 图可用于确定单参数分布族的最佳形状参数。 ppcc_max 返回形状参数，该形状参数将使给定数据的概率图相关系数最大化到单参数分布族。

参数 ：：

x： array_like

输入数组。

brack： 元组，可选

三元组 (a,b,c)，其中 (a<b<c)。如果括号由两个数字 (a, c) 组成，则假定它们是下坡括号搜索的起始区间(请参阅 scipy.optimize.brent )。

dist： str 或 stats.distributions 实例，可选

分布或分布函数名称。看起来足够像 stats.distributions 实例的对象(即它们具有 ppf 方法)也被接受。默认为 'tukeylambda' 。

返回 ：：

shape_value： 浮点数

概率图相关系数达到最大值时的形状参数。

注意：

brack 关键字用作在极端情况下有用的起点。可以使用绘图来获得对位置的粗略视觉估计，以便在其附近开始搜索。

参考：

[1]

J.J. Filliben，“正态性概率图相关系数检验”，技术计量学，卷。 17，第 111-117 页，1975 年。

[2]

工程统计手册，NIST/SEMATEC，https://www.itl.nist.gov/div898/handbook/eda/section3/ppccplot.htm

例子：

首先，我们从形状参数为 2.5 的 Weibull 分布生成一些随机数据：

>>> import numpy as np
>>> from scipy import stats
>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()
>>> c = 2.5
>>> x = stats.weibull_min.rvs(c, scale=4, size=2000, random_state=rng)

使用 Weibull 分布为该数据生成 PPCC 图。

>>> fig, ax = plt.subplots(figsize=(8, 6))
>>> res = stats.ppcc_plot(x, c/2, 2*c, dist='weibull_min', plot=ax)

我们计算形状应该达到最大值的值，并在那里画一条红线。该线应与 PPCC 图中的最高点重合。

>>> cmax = stats.ppcc_max(x, brack=(c/2, 2*c), dist='weibull_min')
>>> ax.axvline(cmax, color='r')
>>> plt.show()