python 拟合分布,什么是统计分布拟合
我试图用statsmodels将泊松分布拟合到我的数据，但我对结果和如何使用该库感到困惑。
我的真实数据将是一系列数字，我想我应该能够将其描述为泊松分布加上一些异常值，所以最后我想做一个稳健的数据拟合。
但是出于测试目的，我只是使用scipy.stats.poisson来创建一个数据集samp=scipy.stats.poisson.rvs (4，size=200)
所以要拟合statsmodels，我觉得我只需要一个常量 endog res=sm.poisson (samp，np.ones _ like (samp))。适合()
打印汇总()泊松回归结果
==============================================================================
离开变量：y数量观察值：200
模型：泊松Df残差：199
方法：最大似然测向模型：0
日期：Fri，2014年6月27日。 0.000
时间：14:28:29对数似然比：-404.37
收敛：真LL-空：-404.37
LLR p值：南
==============================================================================
系数标准误差z Pz [95.0% Conf。里面的]
-
常数1.3938 0.035 39.569 0.000 1.325 1.463
==============================================================================
好吧，这看起来不对，但如果我是res.predict()
我得到一个4.03的数组(这是这个测试样本的平均值)。
所以基本上，首先我很困惑如何从statsmodel解释这个结果。其次，如果我对分布的稳健参数估计感兴趣，而不是趋势拟合，我可能会做一些完全不同的事情，但我应该怎么做呢？
编辑
要回答我问题的第二部分，我真的应该提供更多细节。
我有一个在开始时间后随机发生的事件。当我绘制许多事件的延迟时间直方图时，我看到分布看起来像比例泊松分布加上几个异常值，这些异常值通常是由底层系统中的问题引起的。所以我只想找出数据集的期望时延，排除离群值。如果不是异常值，我可以简单地找到平均时间。我想我可以手动排除它们，但我想我可以找到更严格的东西。
编辑
在进一步的思考中，我会考虑其他分布，而不是拘泥于泊松分布。我的问题的细节可能会分散对原始问题的注意力，但我还是把它们留在这里了。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。