scipy.stats.

ppcc_max#

scipy.stats.ppcc_max(x, brack=(0.0, 1.0), dist='tukeylambda')[source]#

计算最大化 PPCC 的形状参数。

概率图相关系数 (PPCC) 图可用于确定一参数分布族的最佳形状参数。ppcc_max 返回在指定数据的一参数分布族中，能够最大化概率图相关系数的形状参数。

参数:

xarray_like: 输入数组。
brack元组，可选: 三元组 (a、b、c)，其中 (a<b<c)。如果支架由两个数字 (a, c) 组成，则假定它们是下坡支架搜索的起始区间（参见 scipy.optimize.brent）。
diststr 或 stats.distributions 实例，可选: 分布或分布函数名称。与 stats.distributions 实例十分相似的对象（即，具有 ppf 方法）也是可以接受的。默认值为 'tukeylambda'。

返回:

shape_valuefloat: 概率图相关系数达到最大值时的形状参数。

另请参阅

ppcc_plot、probplot、boxcox

注释

brack 关键字用作很有用的一些特殊情况的起点。我们可以使用一个图来获取一个粗略的可视估计，以开始在最大值附近进行搜索。

参考

[1]

J.J. Filliben，“检验正态性的概率图相关系数测试”，Technometrics，第 17 卷，第 111-117 页，1975 年。

[2]

工程统计手册，NIST/SEMATEC，https://www.itl.nist.gov/div898/handbook/eda/section3/ppccplot.htm

示例

首先，我们从具有形状参数 2.5 的 Weibull 分布中生成一些随机数据

>>> import numpy as np
>>> from scipy import stats
>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()
>>> c = 2.5
>>> x = stats.weibull_min.rvs(c, scale=4, size=2000, random_state=rng)

使用 Weibull 分布为该数据生成 PPCC 图。

>>> fig, ax = plt.subplots(figsize=(8, 6))
>>> res = stats.ppcc_plot(x, c/2, 2*c, dist='weibull_min', plot=ax)

我们计算形状达到其最大值的临界值，并在那里绘制一条红线。这条线应与 PPCC 图中的最高点重合。

>>> cmax = stats.ppcc_max(x, brack=(c/2, 2*c), dist='weibull_min')
>>> ax.axvline(cmax, color='r')
>>> plt.show()

../../_images/scipy-stats-ppcc_max-1.png