Matlab mle fitting vs Python Scipy

z9zf31ra 于 6个月前发布在 Matlab

关注(0)|答案(1)|浏览(70)

我正在将Matlab代码转换为Python版本。Matlab代码使用最大似然估计mle函数来拟合一组Rayleigh和Rice分布的样本。
然后，它使用pdf函数计算某些点的pdf值（给定估计参数）。
Python中的等价函数是scipy.stast.rayleigh/rice.fit。问题是，例如，Python中的Rayleigh函数是标准化版本，它返回位置和比例参数，而Matlab mle只返回比例参数。与Rice的情况类似，Python版本返回3个参数，而Matlab只有两个参数（根据Rice分布的定义）。
我知道对于正态分布，位置=均值，尺度=方差，所以我预计对于Rayleigh，Mtalb中的尺度与Python中的尺度相同，但似乎它们的使用方式不同。当我在代码中使用参数时，问题显然会传播，因为我没有1to1匹配，
有没有一种方法可以在Python中实现与Matlab相同的“行为”？
很抱歉这个愚蠢的问题，但Scipy的文档，在我看来，不是很完整。
谢谢你

matlab

来源：https://stackoverflow.com/questions/61801005/matlab-mle-fitting-vs-python-scipy

1条答案

按热度按时间

wxclj1h51#

根据Matlab文档：

的数据
对比SciPy文档：

的
然而，在SciPy中，所有概率分布都有loc和scale参数：

的
因此，要在SciPy中获得与Matlab中相同的行为，请设置loc = 0和scale = b。
例如：

在SciPy中：

from scipy import stats
x = 1
b = 0.5
dist = stats.rayleigh(loc=0, scale=b)
dist.pdf(x)  # 0.5413411329464508

字符串
Rice的情况类似。在Matlab中：

的
SciPy：

型
因此，为了让SciPy与Matlab一致，设置loc=0，scale=sigma和b = s/sigma。

型

x = 1
s = 1.5
sigma = 2
dist = stats.rice(b=s/sigma, loc=0, scale=sigma)
dist.pdf(x)  # 0.1724423399627125

型

赞(0）回复(0）举报 7个月前

我来回答

Matlab mle fitting vs Python Scipy

1条答案

相关问题

热门标签

最新问答