如何标准化scipy中指数分布的直方图？答案

【问题标题】：How to normalize a histogram of an exponential distributionin scipy?如何标准化scipy中指数分布的直方图？
【发布时间】：2014-06-03 18:58:01
【问题描述】：

我正在尝试将指数分布拟合到我拥有的数据集。奇怪的是，无论我做什么，我似乎都无法缩放直方图，使其适合拟合的指数分布。

param=expon.fit(data)
pdf_fitted=norm.pdf(x,loc=param[0],scale=param[1])
plot(x,pdf_fitted,'r-')
hist(constraint1N55, normed=1,alpha=.3,histtype='stepfilled')

由于某种原因，直方图占用的空间比概率分布要多得多，即使我的 normed=1。我可以做些什么来使事情更合适吗？

【问题讨论】：

我不确定你在问什么……你想要什么？你检查过拟合值吗？配件对我来说看起来很平庸，它的 MSE 是多少？你得到了一个拟合，你为拟合值绘制了模型，不确定你期望什么。如果它看起来不好，要么拟合不正常，要么模型不好。也许您的数据不遵循正态分布。它实际上看起来像双曲线会更好。
我的问题只是直方图或概率分布的标准化。曲线下的面积应该相同，不是吗？另外：什么是双曲线分布，它是否在 scipy 中实现？
我假设两者的 y 比例相同，因为只有一个 y 轴。不是吗？就目前而言，这些领域肯定不匹配。但是当你身体不好时，他们不会。您不能对区域进行求和并整合拟合以检查哪个未归一化吗？
您能在您的代码上多做一些工作吗？我想做同样的事情但我不知道x或data是什么，是plt.hist的结果还是原始数据？？？

标签： python numpy distribution

【解决方案1】：

你犯了一个错误。您拟合指数，但绘制了正态分布：

pdf_fitted=expon.pdf(x,loc=param[0],scale=param[1])

正确绘制时数据看起来不错：

【讨论】：