Я сделал степенной закон, подходящий для моих данных, с помощью powerlaw пакета python с простым: powerlaw.Fit(Weights, xmin= min(Weights))
, где Weights - мои данные. Я использовал distribution_compare
и получил, что логнормальный вариант подходит лучше всего. Но теперь я хотел бы знать, насколько хорош этот фит, не по сравнению с другими дистрибутивами, а сам по себе. Есть ли в пакете какой-либо метод, который может сказать мне такое? Как это реализовано с данными? Заранее спасибо.
Насколько хорошо подходит? Пакет Python Powerlaw
Ответы (1)
В пакете powerlaw
нет метода прямого вычисления p-значения подгонки. (Как и в случае с функциями MatLab, используемыми А. Clauset et al. 2009)
Существует еще одна реализация Python Clauset et al. 2009, в котором есть функция, которую можно использовать для вычисления p-значения. Его можно найти на github. Функция plpva
.
Однако функция plpva
работает очень медленно и может давать вводящие в заблуждение результаты. См. проблему.
Подробнее о методах, использованных в powerlaw
, читайте в Clauset et al. 2009.
person
AcCap
schedule
31.03.2016
chisquare
, которая требует наблюдаемых значений, и, при желании, вы можете отправить ожидаемые значения (которые вам подходят). - person ljetibo   schedule 25.02.2015