scipy.stats.

probplot#

scipy.stats.probplot(x, sparams=(), dist='norm', fit=True, plot=None, rvalue=False)[source]#

计算概率图的 quantile 值，并可以选择显示该图。

根据指定的理论分布（默认为正态分布）的 quantile 值生成样本数据的概率图。probplot 可以选择计算数据的最佳拟合线，并使用 Matplotlib 或给定的绘图函数绘制结果。

参数:
xarray_like

从中创建 probplot 图的样本/响应数据。

sparamstuple，可选

特定于分布的形状参数（形状参数加上位置和尺度）。

diststr 或 stats.distributions 实例，可选

分布或分布函数名称。默认值为 'norm'，表示正态概率图。看起来很像 stats.distributions 实例的对象（即，它们具有 ppf 方法）也被接受。

fitbool，可选

如果为 True（默认值），则将最小二乘回归（最佳拟合）线拟合到样本数据。

plotobject，可选

如果给定，则绘制 quantile 值。如果给定且 fit 为 True，则还绘制最小二乘拟合。plot 是一个必须具有 “plot” 和 “text” 方法的对象。可以使用 matplotlib.pyplot 模块或 Matplotlib Axes 对象，或者使用具有相同方法的自定义对象。默认值为 None，表示不创建任何绘图。

rvaluebool，可选

如果提供了 plot 并且 fit 为 True，则将 rvalue 设置为 True 会在图上包含确定系数。默认值为 False。

返回:
(osm, osr)ndarrays 元组

理论 quantile 值（osm，或阶统计量中位数）和排序响应（osr）的元组。osr 只是排序的输入 x。有关如何计算 osm 的详细信息，请参见“注释”部分。

(slope, intercept, r)浮点数元组，可选

包含最小二乘拟合结果的元组（如果由 probplot 执行）。r 是确定系数的平方根。如果 fit=False 且 plot=None，则不会返回此元组。

注释

即使给出了 plot，probplot 也不会显示或保存该图；应在调用 probplot 之后使用 plt.show() 或 plt.savefig('figname.png')。

probplot 生成概率图，这不应与 Q-Q 图或 P-P 图混淆。Statsmodels 具有此类型更广泛的功能，请参见 statsmodels.api.ProbPlot。

用于理论 quantile 值（概率图的横轴）的公式是 Filliben 的估计

quantiles = dist.ppf(val), for

        0.5**(1/n),                  for i = n
  val = (i - 0.3175) / (n + 0.365),  for i = 2, ..., n-1
        1 - 0.5**(1/n),              for i = 1

其中 i 表示第 i 个排序值，n 是值的总数。

示例

>>> import numpy as np
>>> from scipy import stats
>>> import matplotlib.pyplot as plt
>>> nsample = 100
>>> rng = np.random.default_rng()

一个具有小自由度的 t 分布

>>> ax1 = plt.subplot(221)
>>> x = stats.t.rvs(3, size=nsample, random_state=rng)
>>> res = stats.probplot(x, plot=plt)

一个具有较大自由度的 t 分布

>>> ax2 = plt.subplot(222)
>>> x = stats.t.rvs(25, size=nsample, random_state=rng)
>>> res = stats.probplot(x, plot=plt)

一个使用广播的两个正态分布的混合

>>> ax3 = plt.subplot(223)
>>> x = stats.norm.rvs(loc=[0,5], scale=[1,1.5],
...                    size=(nsample//2,2), random_state=rng).ravel()
>>> res = stats.probplot(x, plot=plt)

一个标准正态分布

>>> ax4 = plt.subplot(224)
>>> x = stats.norm.rvs(loc=0, scale=1, size=nsample, random_state=rng)
>>> res = stats.probplot(x, plot=plt)

使用 dist 和 sparams 关键字生成具有 loggamma 分布的新图

>>> fig = plt.figure()
>>> ax = fig.add_subplot(111)
>>> x = stats.loggamma.rvs(c=2.5, size=500, random_state=rng)
>>> res = stats.probplot(x, dist=stats.loggamma, sparams=(2.5,), plot=ax)
>>> ax.set_title("Probplot for loggamma dist with shape parameter 2.5")

使用 Matplotlib 显示结果

>>> plt.show()
../../_images/scipy-stats-probplot-1_00.png
../../_images/scipy-stats-probplot-1_01.png
在本页