如何使用 python 将威布尔分布拟合到数据？

我正在寻找使用 Python 3.4 找到最适合一组数据的威布尔参数。

import scipy.stats as ss
list1 = []
list2 = []
for x in range(0, 10):
    list1.append(ss.exponweib.pdf(x, a=1, c=2.09, scale=10.895, loc=0))
    list2.append(ss.weibull_min.pdf(x, c=2.09, loc=0, scale=10.895))
    if list1[x]-list2[x] < .000000001:
        list1[x]=list2[x]

if list1 == list2:
    print("true")

print(ss.distributions.weibull_min.fit(list1, floc=0))
print(ss.distributions.weibull_min.fit(list1, loc=0))
print(ss.distributions.weibull_min.fit(list1, floc=0))
print(ss.distributions.exponweib.fit(list1, 1,1))
print(ss.distributions.exponweib.fit(list1, floc=0, f0=1))
print(ss.distributions.exponweib.fit(list1, floc=0, a=1, f0=1))

我尝试过的所有方法都没有产生输入参数，我不明白为什么。

这段代码的输出是：

true
(2.8971366871403661, 0, 0.065615284314998634)
(0.71134622938358294, 0.014105558832066645, 0.076662586739229072)
(2.8971366871403661, 0, 0.065615284314998634)
(0.27753056922336583, 3.1962672780921197, -3.4788071110631162e-27, 0.077986010645321888)
(1, 2.8971366871403661, 0, 0.065615284314998634)
(1, 2.8971366871403661, 0, 0.065615284314998634)

这些都不是正确的输入参数。 （2.09 和 10.895。）感谢任何帮助。谢谢。

第一个论点fit()方法是要拟合的分布中的值样本（不是 PDF 值）。所以你应该使用rvs()生成数据的方法，而不是pdf() method.

这是一个简单的示例，我从以下位置生成了 250 个值的样本exponweib分配，然后使用fit()在那个样本上。我假设当我拟合数据时，我知道形状参数a必须为 1 并且loc参数必须为 0：

In [178]: from scipy.stats import exponweib

In [179]: sample = exponweib.rvs(a=1, c=2.09, scale=10.895, loc=0, size=250)

In [180]: exponweib.fit(sample, floc=0, fa=1)
Out[180]: (1, 2.0822583185068915, 0, 10.946962241403902)