scipy.stats.

yeojohnson_normmax

scipy.stats.yeojohnson_normmax(x, brack=None)

Вычислить оптимальный параметр преобразования Йео-Джонсона.

Вычисление оптимального параметра преобразования Йео-Джонсона для входных данных с использованием оценки максимального правдоподобия.

Параметры:

xarray_like

Входной массив.

brack2-кортеж, опционально

Начальный интервал для поиска скобки вниз с optimize.brent. Обратите внимание, что в большинстве случаев это не критично; конечный результат может выходить за пределы этого интервала. Если None, optimize.fminbound используется с границами, которые предотвращают переполнение.

Возвращает:

maxlogfloat

Найденный оптимальный параметр преобразования.

Смотрите также

yeojohnson, yeojohnson_llf, yeojohnson_normplot

Примечания

Добавлено в версии 1.2.0.

Примеры

Попробуйте в вашем браузере!

>>> import numpy as np
>>> from scipy import stats
>>> import matplotlib.pyplot as plt

Сгенерировать некоторые данные и определить оптимальные lmbda

>>> rng = np.random.default_rng()
>>> x = stats.loggamma.rvs(5, size=30, random_state=rng) + 5
>>> lmax = stats.yeojohnson_normmax(x)

>>> fig = plt.figure()
>>> ax = fig.add_subplot(111)
>>> prob = stats.yeojohnson_normplot(x, -10, 10, plot=ax)
>>> ax.axvline(lmax, color='r')

>>> plt.show()

НазадОткрыть во вкладке