python - 使用 float 将正态分布拟合到加权数据

Question

我想使一些数据点符合正态分布，但找不到可以让我输入数据点权重的函数。 scipy.stats.norm.fit 只需要一些数据，如有必要，loc 和 scale 参数用于平均值和标准偏差。

我的数据的权重是 float ，所以我不能使用 Fit normal distribution to weighted list 中描述的解决方案出于显而易见的原因。

values = [0, 1, 2, 3, ..., 44, 52]
weights = [0.06537925227866273, 0.9735569357920033, 3.1333312174908325, 5.558819116316957, ..., 0.0070813375592937555, 0.040237487324237445]

对我来说，将权重乘以 100 然后使用 round() 并不是一个好的解决方案，因为权重可以变得更小。

Answer 1

您可以通过对数据和平方误差取加权平均值来使加权数据符合正态分布:

def fit_normal(values, weights):
    
    # prepare
    values = np.array(values)
    weights = np.array(weights)
        
    # estimate mean
    weights_sum =  weights.sum()
    mean = (values*weights).sum() / weights_sum
   
    # estimate variance
    errors = (values-mean)**2
    variance = (errors*weights).sum() / weights_sum
        
    return (mean, variance)