У меня есть набор данных, который мне нужен для распределения GEV. Данные являются одномерными и хранятся в массиве numpy. В настоящее время я использую scipy.stats.genextreme.fit(data)
, который работает нормально, но дает совершенно неточные результаты (очевидно при построении PDF-файла). После некоторого расследования выясняется, что мои данные плохо вписываются в пространство журнала, которое scipy использует в своем алгоритме подбора MLE, поэтому вместо этого мне нужно попробовать что-то вроде GMM, которое доступно только в статистических моделях. Проблема в том, что я не могу найти ничего похожего на функцию fit
scipy. Все примеры, которые я нашел, похоже, имеют дело с гораздо более сложными данными, чем у меня. Кроме того, statsmodels
требует параметров endog
и exog
для всего, а я понятия не имею, что это такое.
Это должно быть очень просто, поэтому я уверен, что упускаю что-то очевидное. Кто-нибудь использовал statsmodels таким образом, и если да, то какие-либо указания о том, как это сделать?
statsmodel
). Возможно, все, что вам нужно, это вместо GEV другой дистрибутив, связанный с GEV, Gumbel, Gompertz, Weibull и т. д. - person CT Zhu   schedule 19.03.2014exog
этоx
,endog
этоy
. (Эти сумасшедшие эконометристы и их десятидолларовые словечки... :) - person Warren Weckesser   schedule 19.03.2014x
иy
? - person aquavitae   schedule 19.03.2014