来自scipy.stats的Ruby版本的scipy.stats

Question

正如标题所示，我试图找到一个函数，它可以接受一个浮动数组，并找到一个适合我的数据的发行版。

从这里开始，我将使用它来查找我正在传递的新数据的CDF。

我已经安装并查看了sciruby分发版和NArray文档，但是没有任何东西可以与“fit”方法相匹配。

python代码如下所示

# Approach 2: Model-based percentiles.
# Step 1: Find a Gamma distribution that fits your data 
alpha, _, beta = stats.gamma.fit(data, floc = 0.)

# Step 2: Use that distribution's CDF to get percentiles.
scores = 100-100*stats.gamma.cdf(new_data, a = alpha, scale=beta)
print(scores)

提前谢谢你

Answer 1

在深入研究了其他软件包和来自“交叉验证”论坛的人的大量帮助后，我有了所需的答案。

为了获得所需的'alpha‘和’β‘值，它将给出伽马分布的形状和速率，你需要发现数据中的’方差‘值是什么。

要实现这一点，有几种方法。有关更多信息，请参见这里；

• https://www.statisticshowto.com/probability-and-statistics/descriptive-statistics/sample-variance/

代码示例；

data = [<insert your numbers>]
sum = data.sum
sum_square_mean = (sum**2) / data.size
all_square = data.map { |n| n**2 }.sum
net_square = all_square - sum_square_mean
minus_one = data.size - 1
variance = net_square / minus_one
mean = data.sum(0.0) / data.size
mean_squared = mean**2
alpha = mean_squared / variance
beta = mean / variance
theta = variance / mean

行'minus_one‘并不是完全必要的，但它是在统计中完成的，以降低错误率。查一下贝塞尔的修正。您只需从net_square / data.size获得差异即可。

第二个选项使用“统计”gem

require('descriptive_statistics')
# doesn't account for bessel's correction

@alpha = (data.mean**2) / data.variance
@beta = data.mean / data.variance
@theta = data.variance / data.mean

有了这些值之后，就可以使用分布宝石，docs 这里中的cdf函数了。

下一个阶段是将值传递给这个函数，该函数将返回一个百分位数。

确保使用'1 over beta‘计算，否则它将无法工作。

percentile = 100 - (100 * Distribution::Gamma::Ruby_.cdf(x, alpha, 1 / beta))

你可能注意到我也算过@theta

这是一个单独的函数，这意味着我也可以通过传递百分位数从伽马分布中返回值。用得像这样

value = Distribution::Gamma.quantile(0.5, alpha, theta)

这个函数也被称为“逆cdf”、“逆累积分布函数”、“概率点函数”或“百分位函数”。这里简单地命名为“分位数”。

有关伽马分布的更多信息，请参见wiki。

伽马分布