作者热门文章
- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我正在从 exponential distribution 中抽取一些样本.在我的第一个实验中,我抽取了 1000 个样本,而在第二个实验中,我从这个分布中抽取了 10,000 个样本。 (使用 numpy.random.exponential)
我想直观地比较我的两个实验的最大似然估计的差异。 (由于这是指数分布,MLE 将只是样本均值,因此在我的第二个实验中,MLE 应该更接近真实密度)。
如何在 Python 中进行这样的比较?我知道如何在 matplotlib 中绘制图形,但在这里我不知道我应该使用哪种类型的图形。
最佳答案
鉴于评论中的评论,我猜您正在寻找类似以下内容的内容:
import numpy as np
import matplotlib.pyplot as plt
def plot_exponential_density(mu, xmax, fmt, label):
x = np.arange(0, xmax, 0.1)
y = 1/mu * np.exp(-x/mu)
plt.plot(x, y, fmt, label=label)
def sample_and_plot(N, color):
# first sample N valus
samples = np.zeros( (N,1) )
for i in range(0,N):
samples[i] = np.random.exponential()
# determine the mean
mu = np.mean(samples)
print("N = %d ==> mu = %f" % (N, mu))
# plot a histogram of the samples
(n, bins) = np.histogram(samples, bins=int(np.sqrt(N)), density=True)
plt.step(bins[:-1], n, color=color, label="samples N = %d" % N)
xmax = max(bins)
# plot the density according to the estimated mean
plot_exponential_density(mu, xmax, color + "--", label="estimated density N = %d" % N)
return xmax
# sample 100 values, draw a histogram, and the density according to
# the estimated mean
xmax1 = sample_and_plot(100, 'r')
# do the same for 1000 samples
xmax2 = sample_and_plot(10000, 'b')
# finally plot the true density
plot_exponential_density(1, max(xmax1, xmax2), 'k', "true density")
# add a legend
plt.legend()
# and show the plot
plt.show()
我使用了 100 和 10,000 个样本,因为 1,000 个样本的估计值已经相当不错了。但是仍然只有 100 个样本,我有点惊讶平均值和密度的估计有多好。仅给出直方图,而不知道样本是从指数分布中提取的,我不确定我是否会在这里识别指数分布...
关于python - 如何在 Python 中绘制最大似然估计,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7897251/
我是一名优秀的程序员,十分优秀!