Hướng dẫn inverse cdf python - nghịch đảo cdf python

Chúng ta có thể tạo ECDF với

Nội phân chính

Python: Chức năng phân phối tích lũy thực nghiệm nghịch đảo [ECDF]?
Một số câu trả lời mã
Thêm câu trả lời liên quan đến chức năng phân phối tích lũy thực nghiệm nghịch đảo theo kinh nghiệm ECDF
Cách sử dụng chức năng phân phối thực nghiệm trong Python
Chức năng phân phối thực nghiệm Python [ECDF]
Các lô phân phối tích lũy theo kinh nghiệm trong Python
Chức năng phân phối tích lũy theo kinh nghiệm [ECDF] trong Python
Cách tạo cốt truyện ECDF bằng Python và R - Medium
Tính ECDF trong Python | Codementor
Sử dụng chức năng phân phối thực nghiệm trong Python
Chức năng phân phối tích lũy theo kinh nghiệm [ECDF] trong Python
StatSmodels.distributions.empirical_distribution.ecdf

import numpy as np
from statsmodels.distributions.empirical_distribution import ECDF
ecdf = ECDF[[3, 3, 1, 4]]

và có được ECDF sau đó tại điểm với

ecdf[x]

Tuy nhiên, điều gì sẽ xảy ra nếu tôi muốn biết X cho phần trăm 97,5%?

Từ

ecdf[x]

1, có vẻ như không được thực hiện.

Có cách nào để làm điều này không? Hoặc bất kỳ thư viện khác?

Đã hỏi ngày 23 tháng 5 năm 2017 lúc 10:42May 23, 2017 at 10:42

Vì CDF thực nghiệm chỉ đặt khối lượng 1/N tại mỗi điểm dữ liệu, lượng tử thứ 97,5 chỉ là điểm dữ liệu lớn hơn 97,5% của tất cả các điểm khác. Để tìm giá trị này, bạn chỉ cần sắp xếp dữ liệu theo thứ tự tăng dần và tìm giá trị lớn nhất 0,975N.

sample = [1, 5, 2, 10, -19, 4, 7, 2, 0, -1]
n = len[sample]
sort = sorted[sample]
print sort[int[n * 0.975]]

Sản xuất:

Vì chúng tôi nhớ hơn các phân phối riêng biệt [như CDF thực nghiệm], hàm lượng tử được xác định ở đây, chúng tôi nhận ra rằng chúng tôi phải lấy giá trị lớn nhất 0,975N-TH [làm tròn].

Mattr

4.6089 Huy hiệu vàng39 Huy hiệu bạc64 Huy hiệu Đồng9 gold badges39 silver badges64 bronze badges

Đã trả lời ngày 28 tháng 8 năm 2017 lúc 3:32Aug 28, 2017 at 3:32

Đây là đề xuất của tôi. Nội suy tuyến tính vì DFS chỉ được ước tính hiệu quả từ các mẫu khá lớn. Các phân đoạn nội suy có thể thu được vì các điểm cuối của chúng xảy ra ở các giá trị riêng biệt trong mẫu.

import statsmodels.distributions.empirical_distribution as edf
from scipy.interpolate import interp1d
import numpy as np
import matplotlib.pyplot as plt

sample = [1,4,2,6,5,5,3,3,5,7]
sample_edf = edf.ECDF[sample]

slope_changes = sorted[set[sample]]

sample_edf_values_at_slope_changes = [ sample_edf[item] for item in slope_changes]
inverted_edf = interp1d[sample_edf_values_at_slope_changes, slope_changes]

x = np.linspace[0.1, 1]
y = inverted_edf[x]
plt.plot[x, y, 'ro', x, y, 'b-']
plt.show[]

print ['97.5 percentile:', inverted_edf[0.975]]

Nó tạo ra đầu ra sau,

97.5 percentile: 6.75

Và biểu đồ này.

Đã trả lời ngày 24 tháng 5 năm 2017 lúc 15:46May 24, 2017 at 15:46

Bill Bellbill BellBill Bell

20.4K5 Huy hiệu vàng42 Huy hiệu bạc57 Huy hiệu đồng5 gold badges42 silver badges57 bronze badges

Nhà
Python
Chức năng phân phối tích lũy theo kinh nghiệm nghịch đảo của Python ECDF

Python: Chức năng phân phối tích lũy thực nghiệm nghịch đảo [ECDF]?

Tags: Python, Numpy, StatSmodels Trả lời: | Đã xem 8.654 lần python , numpy , statsmodels Answers: | Viewed 8,654 times

Chúng ta có thể tạo ECDF với

import numpy as np
 from statsmodels.distributions.empirical_distribution import ECDF
 ecdf = ECDF[[3, 3, 1, 4]]

và có được ECDF sau đó tại điểm với

ecdf[x]

Tuy nhiên, điều gì sẽ xảy ra nếu tôi muốn biết X cho phần trăm 97,5%?

Từ

ecdf[x]

1, có vẻ như không được thực hiện.

Có cách nào để làm điều này không? Hoặc bất kỳ thư viện khác?

Một số câu trả lời mã

import numpy as np from statsmodels.distributions.empirical_distribution import ECDF ecdf = ECDF[[3, 3, 1, 4]]

sample = [1, 5, 2, 10, -19, 4, 7, 2, 0, -1] n = len[sample] sort = sorted[sample] print sort[int[n * 0.975]]

ecdf[x]

Cách sử dụng chức năng phân phối thực nghiệm trong Python

Chức năng phân phối thực nghiệm Python [ECDF] An empirical distribution function can be fit for a data sample in Python. The statmodels Python library provides the ECDF classfor fitting an empirical cumulative distribution function and calculating the cumulative probabilities for specific observations from the domain. The distribution is fit by calling ECDF[] and passing in the raw data sample...

Các lô phân phối tích lũy theo kinh nghiệm trong PythonReviews: 18
› Published: Nov 28, 2019
› Estimated Reading Time: 7 mins