如何拟合对数正态分布

Question

我想在Python中使用对数正态分布。我的问题是为什么我应该使用scipy.lognormal.fit而不是仅仅执行以下操作：

from numpy import log
mu = log(data).mean()
sigma = log(data).std()

给出mu和sigma的MLE，使分布对数正态（mu，sigma ** 2）？

另外，一旦我得到mu和sigma，我怎么能得到分布对数正态的scipy对象（mu，sigma ** 2）？传递给scipy.stats.lognorm的参数对我来说并不清楚。

由于

Answer 1

Wrt拟合，你可以使用scipy.lognormal.fit，你可以使用scipy.normal.fit应用于log（x），你可以做你刚写的东西，我相信你应该得到几乎相同的结果。< / p>

我唯一可以说的是，你必须适合两个参数（mu，sigma），所以你必须匹配两个值。有些人可能不喜欢使用mean / stddev来匹配峰值，而是从mode / stddev获取（mu，sigma）。

Wrt使用lognorm已知均值和stddev

from scipy.stats import lognorm

stddev = 0.859455801705594
mean = 0.418749176686875

dist=lognorm([stddev],loc=mean) # will give you a lognorm distribution object with the mean and standard deviation you specify.

# You can then get the pdf or cdf like this:

import numpy as np
import pylab as pl
x=np.linspace(0,6,200)
pl.plot(x,dist.pdf(x))
pl.plot(x,dist.cdf(x))

pl.show()