স্কিপিতে বিটা বিতরণ ফিটিং

Question

: উইকিপিডিয়া মতে বিটা সম্ভাব্যতা বিতরণের দুই আকৃতি প্যারামিটার আছে এবং β ।$\alpha$$\beta$

আমি যখন scipy.stats.beta.fit(x)পাইথনে কল করি তখন [ 0 , 1 ]x পরিসীমাটিতে সংখ্যার একগুচ্ছ যেখানে 4 টি মান ফিরে আসে। এটি আমাকে বিজোড় হিসাবে আঘাত করে।$[0,1]$

গুগল করার পরে আমি খুঁজে পেয়েছি যে রিটার্ন মানগুলির একটি অবশ্যই 'অবস্থান' হওয়া উচিত, যেহেতু আমি কল করি তবে তৃতীয় ভেরিয়েবল 0 হয় scipy.stats.beta.fit(x, floc=0)।

যে কেউ কি চতুর্থ পরিবর্তনশীল কি জানে, এবং প্রথম দুটি যদি এবং β ?$\alpha$$\beta$

Comments

ডকুমেন্টেশন গত দুই "অবস্থান" এবং "স্কেল" পরামিতি কল। এইভাবে চতুর্থটি স্কেল প্যারামিটার। অবস্থান এবং স্কেলের মানক পরিসংখ্যানগত অর্থ রয়েছে। এই প্রসঙ্গে একটি ব্যাখ্যা এনআইএসটি হ্যান্ডবুকে স্পষ্টভাবে দেওয়া হয়েছে ।

— whuber

আমার ঠিক একই সমস্যাটি হচ্ছে, তবে কিছু কারণে আমার সমস্ত বিটা মডেলগুলিতে "জল ধরে" থাকে " উদাহরণস্বরূপ stats.beta.fit([60,61,62,72])আমি পেতে (0.7313395126217731, 0.7153715263378897, 58.999999999999993, 3.3500998441036982)। এই সম্পর্কে আমি কি করতে পারি কোনও ধারণা?

— থিমের

জেনেরিক অবিচ্ছিন্ন র‌্যান্ডম ভেরিয়েবল ফিট ফিট পদ্ধতির জন্য এই ডকুমেন্টেশনটি কেবল যুক্ত করুন, যার মধ্যে beta. Fit () ব্যবহার করে কিছু উদাহরণ রয়েছে: ডকস.সসিপি.আর

— ডক

Answer 1

এর আউটপুট সম্পর্কিত ডকুমেন্টেশনগুলির স্পষ্ট অভাব সত্ত্বেও beta.fit, এটি নিম্নলিখিত ক্রমে আউটপুট করে:

$\alpha$$\beta$

Comments

এটি কি কেবলমাত্র ডেটাগুলির পরিসরের উপর ভিত্তি করে নিম্ন এবং উপরের সীমাটি কেটে ফেলেছে বা অন্য কিছু করছে?

— শ্যাডটলকার

সীমাবদ্ধতা সম্ভাবনা বিতরণের উপর ভিত্তি করে। অর্থাত। সাধারন বন্টন কোন সীমা আছে, কিন্তু ~ নমুনা তথ্য খুব কমই অতিক্রম করে +/-3। বিটার বিতরণে এই সীমাগুলির বাইরে 0 এর সম্ভাব্যতা সহ কঠোর সীমা রয়েছে। সম্ভবত আপনি কী মডেলিং করছেন তার উপর নির্ভর করে আপনার ডেটা সীমাতে পৌঁছাবে না সম্ভবত। প্রকৃতপক্ষে, তথ্যের পরিসীমা মেলে এই সীমাবদ্ধিকে বাধ্য করার চেষ্টা করা সমস্যাযুক্ত হতে পারে, কারণ অনেক বিটা বিতরণ সীমাতে শূন্যতার সম্ভাবনা থাকে। এই বিষয়ে আরও জানতে এই পোস্টটি দেখুন ।

— jdj081

হ্যাঁ, আমি সচেতন এই সীমাগুলি সর্বদা 0 এবং 1 থাকে। সুতরাং: এই ফাংশন দ্বারা ফিরে আসা উপরের এবং নিম্ন সীমাগুলি কী এবং তারা কীভাবে "অবস্থান" এবং "স্কেল" এর সমান? আমার ধারণা আমি এই উত্তরটি বুঝতে পারি না।

— শ্যাডট্যালকার

বিটা বিতরণকে যেভাবে সংজ্ঞায়িত করা হয়েছে, সেই সীমাগুলি সর্বদা 0 এবং 1 এর মধ্যে থাকে তবে সাধারণ বিটা বিতরণে এই দুটি স্কেলিং উপাদান অন্তর্ভুক্ত রয়েছে। আমি মডেল করা ডেটা 0 এবং 1 এর মধ্যে পড়ে না, তাই আমাকে এই সংখ্যাগুলি ব্যবহার করতে হবে। যদি আপনার ডেটা 0 এবং 1 এর মধ্যে হয় তবে সেই ফলাফলগুলি 0 এবং 1 এর খুব কাছাকাছি হওয়া উচিত you আপনি যদি জানেন যে আপনার সীমা 0 এবং 1 হয় তবে আপনি floc=0এবং fscale=1কাওয়ার্গসের সাথে জোর করতে পারেন । আপনি এখনও এই আউটপুটগুলি পাবেন, তবে তারা আপনাকে যা করতে বাধ্য করবে তার সাথে মিল থাকবে। এবং এটি সম্ভবত আপনার আলফা এবং বিটার মান পরিবর্তন করবে।

— jdj081