ECDF in python ohne Schritt-Funktion?

Ich habe mit ECDF (empirical cumulative distribution function) von statsmodels.Ausschüttungen an eine CDF-plot der Daten. Allerdings ECDF verwendet eine Schritt-Funktion und als Konsequenz bekomme ich gezackte Grundstücke.

Also meine Frage ist: scipy oder statsmodels haben eine ECDF gebacken-ohne Schritt-Funktion?

Übrigens, ich weiß, ich kann dies tun:

hist, bin_edges = histogram(b_oz, normed=True)
plot(np.cumsum(hist))

aber ich bekomme nicht die richtige Waage.

Dank!

Wenn Sie sind besorgt über die Daten selbst, eine schöne sanity-check ist R-Funktion ecdf. Wenn Sie bequem R, ziehen Sie die Daten in R ein und starten Sie "plot(ecdf(your_data))", das sollte Ihnen eine zuverlässige Bild.
Die ECDF ist per definition eine step-Funktion, was die tatsächlichen Daten. Keiner der gezeichneten Funktionen zu sein scheint, eine "wahre" ECDF. Zu sagen, "ECDF ohne Schritt-Funktion" scheint ein Widerspruch in sich.
Diese Frage ist wirklich alt, aber ich denke, dass ich meinte, Sie zu beschreiben (oder annähernd) die wahre Verteilungsfunktion, die nicht aus der "step" - Funktionen.
Sie könnte integrieren nur eine kernel-Dichte-Schätzung zu dem gewünschten Ergebnis.

InformationsquelleAutor Robert Smith | 2012-12-22

8

Wenn Sie nur wollen, ändern Sie den plot, dann könnte man lassen matplotlib interpolieren zwischen den beobachteten Werten.
```
>>> xx = np.random.randn(nobs)
>>> ecdf = sm.distributions.ECDF(xx)
>>> plt.plot(ecdf.x, ecdf.y)
[<matplotlib.lines.Line2D object at 0x07A872D0>]
>>> plt.show()
```
oder Sortieren von original-Daten und plot
```
>>> xx.sort()
>>> plt.plot(xx, ecdf(xx))
[<matplotlib.lines.Line2D object at 0x07A87090>]
>>> plt.show()
```
das ist das gleiche wie Plotten direkt
```
>>> a=0; plt.plot(xx, np.arange(1.,nobs+1)/(nobs+a))
[<matplotlib.lines.Line2D object at 0x07A87D30>]
>>> plt.show()
```
Hinweis: je nachdem, wie Sie wollen, die ecdf Verhalten an die Grenzen, und wie wird es zentriert sein, es gibt verschiedene Normierungen für die "plotting positions", die in die gemeinsame Nutzung, wie die parameter a, dass ich als Beispiel a=1 ist eine gemeinsame Wahl.

Als alternative zur Verwendung der empirischen cdf, könnten Sie auch einen interpolierten oder geglättet ecdf-oder Histogramm-oder ein kernel-density-Schätzung.
- Ja, das problem hier ist, dass die Daten nicht so vielfältig ist, wie ein Beispiel erstellt mit randn(), so bekomme ich noch einen zerklüfteten Handlung, weil die Verteilung der Anwendung ist eine Schritt-Funktion zwischen den Werten. Deshalb, auch wenn ich ecdf.x-und ecdf.y (by the way, netter Tipp... wusste ich nicht, ich könnte das tun), ich bekomme genau das gleiche Ergebnis (mit 9000+ Daten-Punkte).
- ECDF gilt die step-Funktion nur auf die Punkte zwischen den ursprünglichen beobachteten Punkte. Punkte unterscheidet sich von der beobachteten Punkte werden definiert durch die step-Funktion eine definition des ecdf. Vielleicht Ihre original-Daten klassifiziert, wenn es sieht Schritt wie in der Handlung, wenn Sie nur den plot ursprünglichen Punkte. Wenn Sie möchten, dass ein nicht-Schritt-cdf -, dann anstelle der ecdf Sie konnte über eine lineare interpolation der ecdf Punkte (Beobachtungen), die entsprechen würde, um eine stückweise lineare Dichte wie in einem Histogramm.
- Interessant. Ich denke, dass die ursprünglichen Punkte hat eine Menge von wiederholten Punkte und es ist nicht so gut verteilt wie randn(). Ja, ich werde einen Blick auf die Interpolation ecdf Punkte. Danke.
InformationsquelleAutor Josef

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.