将概率分布拟合到观察到的数据 C++答案

【问题标题】：fitting probability distributions to observed data c++将概率分布拟合到观察到的数据 C++
【发布时间】：2014-05-27 07:39:34
【问题描述】：

实际上，我有一个实数向量（例如 1*300）。我正在寻找 c++ 中的 sn-p 代码，用于将概率分布函数拟合到该向量。

之后，我想用这个 pdf 来计算这个向量的任何条目的概率。可以为这个向量创建一个直方图（这看起来是一个更简单的解决方案），但我需要对我不喜欢的那个做量化。

更重要的是，我还有另一个相同大小的实数向量。我想为这两个向量拟合二维联合概率。该结果将类似地用于计算两个向量的任何联合进入的概率。

提前感谢您的回复。

【问题讨论】：

你真的要标记这个pdf吗？？？同样从散文中猜测你的内容并不能让你的问题很清楚。
@πάνταῥεῖ 概率密度函数...我已经重新标记，因为 SO pdf 与文档相关
@privatedatapublicchannel2 当然，最有可能。但无论如何，那个标签不适合！
这个不清楚； “将概率分布拟合到该向量”是什么意思？你是说这个向量的每个元素都是独立生成的，你要估计生成过程的PDF？如果是这样，这是一个难题。您需要有一些候选分布来测试（例如高斯、指数），然后依次测试每个分布以查看哪个提供最佳拟合。如果这确实是问题，那么您应该先在stats.stackexchange.com 询问，因为目前这是一个统计问题，而不是编程问题。
@πάνταῥεῖ 你是对的。感谢您编辑。

【解决方案1】：

我正在寻找 c++ 中的 sn-p 代码来拟合概率该向量的分布函数。

如果您想为给定数据拟合概率函数，那么您有两种选择。

参数方法。

要描述概率，您必须计算描述该概率的参数。这可以通过method of moments 或maximum likelihood 方法来完成。最大似然非常灵活。

所以通常我们根据给定数据计算均值和方差（即正态分布）的估计值，这些参数足以描述概率。

累积分布函数的转换正在拟合数据（可能也需要转换）。

【讨论】：

均值和方差是高斯分布的参数，但不是很多其他的参数（指数、泊松、卡方等）
这就是我说“通常”的原因
@privatedatapublicchannel2，非常感谢您的回复。我想这就是我要找的。非参数方法更适合我的问题。我需要做kernel density estimation。我正在寻找一个轻量级的库或它的实现。估计内核后，如何找到分布的Mode？
众数是数据集中最常见的值，您需要进一步的帮助吗？