用法:
scipy.stats.ppcc_plot(x, a, b, dist='tukeylambda', plot=None, N=80)
计算并可选地绘制概率图相关系数。
概率图相关系数 (PPCC) 图可用于确定 one-parameter 系列分布的最佳形状参数。它不能用于没有形状参数的分布(如正态分布)或具有多个形状参数的分布。
默认情况下,使用 Tukey-Lambda 分布 (stats.tukeylambda)。 Tukey-Lambda PPCC 图通过近似正态分布从long-tailed 到short-tailed 分布进行插值,因此在实践中特别有用。
- x: array_like
输入数组。
- a, b: 标量
要使用的形状参数的下限和上限。
- 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。默认值为'tukeylambda'
。- plot: 对象,可选
如果给定,则根据形状参数绘制 PPCC。阴谋是一个必须有方法“plot” and “text”的对象。这
matplotlib.pyplot
可以使用模块或 Matplotlib Axes 对象,或具有相同方法的自定义对象。默认为无,这意味着不创建绘图。- N: 整数,可选
水平轴上的点数(从 a 到 b 均匀分布)。
- svals: ndarray
计算 ppcc 的形状值。
- ppcc: ndarray
计算出的概率图相关系数值。
参数:
返回:
参考:
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。
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,并绘制数据的直方图:
>>> 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)
看一下数据的直方图。
>>> fig1, ax = plt.subplots(figsize=(9, 4)) >>> ax.hist(x, bins=50) >>> ax.set_title('Histogram of x') >>> plt.show()
现在我们使用 PPCC 图以及相关的概率图和Box-Cox normplot 来探索这些数据。在我们期望 PPCC 值最大的地方画了一条红线(在上面使用的形状参数
c
处):>>> fig2 = plt.figure(figsize=(12, 4)) >>> ax1 = fig2.add_subplot(1, 3, 1) >>> ax2 = fig2.add_subplot(1, 3, 2) >>> ax3 = fig2.add_subplot(1, 3, 3) >>> res = stats.probplot(x, plot=ax1) >>> res = stats.boxcox_normplot(x, -4, 4, plot=ax2) >>> res = stats.ppcc_plot(x, c/2, 2*c, dist='weibull_min', plot=ax3) >>> ax3.axvline(c, color='r') >>> plt.show()
相关用法
- Python scipy.stats.ppcc_max用法及代码示例
- Python scipy.stats.permutation_test用法及代码示例
- Python scipy.stats.page_trend_test用法及代码示例
- Python scipy.stats.pareto用法及代码示例
- Python scipy.stats.powernorm用法及代码示例
- Python scipy.stats.planck用法及代码示例
- Python scipy.stats.probplot用法及代码示例
- Python scipy.stats.pointbiserialr用法及代码示例
- Python scipy.stats.powerlaw用法及代码示例
- Python scipy.stats.pearsonr用法及代码示例
- Python scipy.stats.powerlognorm用法及代码示例
- Python scipy.stats.pearson3用法及代码示例
- Python scipy.stats.percentileofscore用法及代码示例
- Python scipy.stats.poisson用法及代码示例
- Python scipy.stats.power_divergence用法及代码示例
- Python scipy.stats.mood用法及代码示例
- Python scipy.stats.normaltest用法及代码示例
- Python scipy.stats.arcsine用法及代码示例
- Python scipy.stats.zipfian用法及代码示例
- Python scipy.stats.sampling.TransformedDensityRejection用法及代码示例
注:本文由堆栈答案筛选整理自scipy.org大神的英文原创作品 scipy.stats.ppcc_plot。非经特殊声明,原始代码版权归原作者所有,本译文的传播和使用请遵循“署名-相同方式共享 4.0 国际 (CC BY-SA 4.0)”协议。