如何使标准偏差与Scipy中拟合的分布

Question

我正在尝试适合多个分布并获得每个分布的标准偏差。但是，对于标准偏差，大量分布返回INF或NAN。获得我所做的拟合分布的差异的方法是正确的吗？有没有更好的办法？为什么是南人？这就是我所做的：

param = distribution.fit(data)
arg = param[:-2]
loc = param[-2]
scale = param[-1]
if len(arg)>0:
     std = np.sqrt(distribution.stats(arg, loc, scale, moments='v')[0]))
else:
     std = np.sqrt(distribution.stats(loc, scale, moments='v')[0]))

我也跳过拟合数据时会产生警告的发行版。

更新1：例如，当distribution = scipy.stats.beta时，我得到[ nan nan]，并且参数如下：

arg: (32.198726690922953, 15883184.284202889)
loc: -33527.5754686
scale: 35484135514.4 

Answer 1

beta分布的方差为：

a * b / [ (a + b)^2 * (a + b + 1) ]

因此，标准偏差是其平方根。获取a和b：

a = scipy.stats.beta.fit(data)[0]
b = scipy.stats.beta.fit(data)[1]

请注意，您可以使用np.std(data)。

我在堆栈溢出上问了一个不同的问题，并得到了一个解决这个问题的解决方案。事实证明，我通过的参数被Scipy用不同的解释。这是答案的链接：

isInfmu-error-in-cipy-stats-当calling-std-for-exponweib