바운드 된 응답 변수가있는 데이터 세트의 두 가지 다른 맞춤 방법의 차이점을 이해하려고합니다. 응답 변수는 분수이므로 [0,1]의 범위를가집니다. 나는 공통된 작업이므로 많은 다른 방법이 있다는 것을 구글 검색을 통해 밝혀냈다. 나는 현재 R GLM 적합과 betareg 패키지에서 제공되는 베타 회귀의 차이에 관심이 있습니다. 내 샘플 데이터 세트로 "be
두 개의 매개 변수를 포함하는 하나의 관측 세트가 있습니다. copula (합치기 및 여백 함수의 매개 변수 추정)에 맞게하려면 어떻게해야합니까? 마진 분포가 로그 정규 분포이고, 접합부가 Gumbel copula라고 가정 해 봅시다. 데이터는 아래와 같다 : 1 974.0304 1010
2 6094.2672 1150
3 3103.2720 1490
4
fmin-powell의 direc 인수를 입력하는 방법에 대한 정보가 없습니다. fmin_powell의 모든 scipy 설명서를 말한다 direc입니다 : ndarray, 옵션 초기 방향을 설정합니다. 나는 3 매개 변수에 민감하지 않기 때문에 direc=(0.1,0.1,1)를 제공함으로써, 내 경우에 필요로하는 세 번째의 처음 두 피팅 매개 변수에 대한
동일한 불안정한 동위 원소 (동일한 샘플에서)에 대해 시간 경과에 따른 방사 강도 측정을하고 있습니다. 방사선은 두 개의 다른 에너지로 나에게 2 차 지수 지수를내어 놓습니다. 즉 지수 함수 적 감소에 대한 공식과 유사하지만 두 조건으로 동일합니다. 그러나 서로 다른 시작 강도와 서로 다른 반감기 동위 원소. f(t)=(I_0,1)*e^(-lambda_1*
나는 식물의 초록 색인을 가지고있다. 내가 시계열에 그들을 플롯하면 다음과 같이 나는 결과를 얻을 : "n은"어디 이제 우리는 양식 의 일부 가우시안 모델에 맞게 수 용어의 수/가우스. Matlab은 이러한 종류의 기능을 제공하지만 최대 n = 8에 해당합니다. 그래서 Matlab에서 이러한 유형의 함수를 어떻게 적용 할 수 있습니까?
벡터 피팅에 문제가 있습니다. 나는 동일한 기능을 가진 2 개의 커브를 가지고 있는데, 비교하고 싶다. 그러나 각 곡선에는 다른 샘플링 속도 (tstart = 0 및 tend = 8.853958 만 동일)가 있으므로 다른 시간 벡터가 있습니다. ... 그래서 나는 긴 벡터와 같은 동일한 길이의 짧은 벡터를 보간하려고 ...하지만 나는 그것이 작동하는 다른
일부 데이터 분석 작업을하고 있습니다. 이론적으로, 다소 겹치는 두 개의 가우시안이 있어야합니다. 나는 당신이 두 가우스가 아니라 그들의 분포 함수에 적합하지 않으면 데이터가 잘 맞는다는 것을 알았다. 사실,이 적합은 오히려 잘 작동하는 것처럼 보입니다. 그러나 데이터의 밀도 표현으로 돌아 가면 어떻게 든 연결됩니다. 붙어 있던 그림은 그들 자신을 위해 말
내가 적합에 대한 신뢰 구간을 찾기 위해 lmfit를 사용하고 있지만 모든 너무 자주 나에게 오류를주고 유지 : 여기 ValueError: f(a) and f(b) must have different signs는 최소한의 작업 예입니다 (오류를 얻을 그것을 몇 번 실행) : import lmfit
import numpy as np
def residua
2 차원에서 측정 된 점 좌표 집합에 대한 "사각형"격자의 최적 맞춤을 찾기 위해 Scipy leastsq을 사용하려고합니다 (실험 점은 다음과 같습니다. 대략 사각형 격자). 격자의 매개 변수는 피치 (x 및 y와 동일), 중심 위치 (center_x 및 center_y) 및 rotation (도)입니다. 각 쌍의 점들 (실험 대 이상적 격자 인)에 대한
SciPy에서 분포를 맞추면서 매개 변수를 수정할 수 있습니까? 예를 들어,이 코드 : 비제 위치 (loc)에 import scipy.stats as st
xx = st.expon.rvs(size=100)
print st.expon.fit(xx, loc=0)
결과. 일부 매개 변수가 fit 함수에 제공되면 초기 추측으로 간주됩니다. 그리고 생성자 (