scipy.stats.probplot¶
- scipy.stats.probplot(x, sparams=(), dist='norm', fit=True, plot=None, rvalue=False)[源代码]¶
计算概率图的分位数，并根据需要显示该图。
根据指定理论分布(默认情况下为正态分布)的分位数生成样本数据的概率图。
probplot(可选)计算数据的最佳拟合直线，并使用Matplotlib或给定的打印函数打印结果。- 参数
- xarray_like
样本/响应数据来自
probplot创建打印。- sparams元组，可选
特定于分布的形状参数(形状参数加上位置和比例)。
- dist字符串或统计信息。分布实例，可选
分发或分发函数名称。正态概率图的默认值为‘NORAME’。看起来足够像stats.Distribution实例的对象(即，它们有一个
ppf方法)也被接受。- fit布尔值，可选
如果为True(默认)，则将最小二乘回归(最佳拟合)线拟合到采样数据。
- plot对象，可选
如果给定，则绘制分位数。如果给定并且 fit 为真时，也绘制出最小二乘拟合。 plot 是一个必须具有“Plot”和“Text”方法的对象。这个
matplotlib.pyplot可以使用模块或Matplotlib轴对象，也可以使用具有相同方法的自定义对象。默认值为None，这意味着不会创建绘图。
- 退货
- (OSM、OSR)ndarray元组
理论分位数(OSM，或顺序统计中间值)和有序响应(OSR)的元组。 osr 是简单排序的输入 x 。有关如何执行此操作的详细信息，请参阅 osm 是计算出来的，请参阅“注释”部分。
- (坡度、截距、r)浮动数组，可选
包含最小二乘拟合结果的元组(如果由
probplot。 r 是决定系数的平方根。如果fit=False和plot=None，则不返回此元组。
注意事项
即使 plot ，则不会显示或保存该图形。
probplot；plt.show()或plt.savefig('figname.png')应在调用probplot。probplot生成概率图，不要将其与Q-Q或P-P图混淆。StatsModels具有更广泛的此类型功能，请参见statsmodels.api.ProbPlot。用于理论分位数(概率图的水平轴)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
哪里
i指示第i个有序值，并且n值的总数。示例
>>> from scipy import stats >>> import matplotlib.pyplot as plt >>> nsample = 100 >>> rng = np.random.default_rng()
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)
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)
两种正态分布与广播的混合：
>>> 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)
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)
生成具有对数分布的新图形，使用
dist和sparams关键词：>>> 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()
