Python SciPy stats.ppcc_max用法及代碼示例

本文簡要介紹 python 語言中 scipy.stats.ppcc_max 的用法。

用法:

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

計算使 PPCC 最大化的形狀參數。

概率圖相關係數 (PPCC) 圖可用於確定單參數分布族的最佳形狀參數。 ppcc_max 返回形狀參數，該形狀參數將使給定數據的概率圖相關係數最大化到單參數分布族。

參數 ：：

x： array_like

輸入數組。

brack： 元組，可選

三元組 (a,b,c)，其中 (a<b<c)。如果括號由兩個數字 (a, c) 組成，則假定它們是下坡括號搜索的起始區間(請參閱 scipy.optimize.brent )。

dist： str 或 stats.distributions 實例，可選

分布或分布函數名稱。看起來足夠像 stats.distributions 實例的對象(即它們具有 ppf 方法)也被接受。默認為 'tukeylambda' 。

返回 ：：

shape_value： 浮點數

概率圖相關係數達到最大值時的形狀參數。

注意：

brack 關鍵字用作在極端情況下有用的起點。可以使用繪圖來獲得對位置的粗略視覺估計，以便在其附近開始搜索。

參考：

[1]

J.J. Filliben，“正態性概率圖相關係數檢驗”，技術計量學，卷。 17，第 111-117 頁，1975 年。

[2]

工程統計手冊，NIST/SEMATEC，https://www.itl.nist.gov/div898/handbook/eda/section3/ppccplot.htm

例子：

首先，我們從形狀參數為 2.5 的 Weibull 分布生成一些隨機數據：

>>> 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 分布為該數據生成 PPCC 圖。

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

我們計算形狀應該達到最大值的值，並在那裏畫一條紅線。該線應與 PPCC 圖中的最高點重合。

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