0

我需要用似然法拟合一些实验数据，并生成一些随机数据来检查该技术。我对（v 2.7.0）有一些经验，iminuit看起来scipy.stats有许多应该有用的现有发行版，提供 pdf/cds 和随机变量（我使用 scipy 1.5.2）。通常，我需要现有分布的组合，例如平坦分布、指数分布和三个高斯分布，全部截断。到目前为止，我正在做的是：

  • 创建truncFEGGG_gen，一个子类scipy.stats.rv_continuous（有 13 个参数，包括边缘，因为我觉得loc很scale混乱），覆盖_argcheck, _get_support, _pdf,_cdf和_rvs, 和truncFEGGG = truncFEGGG_gen

  • 然后我定义我的开始参数：数据pars = {'nu': 6758, 'a': 0.1, 'b': 3.6, 'c': -87.5, ...}中的总计数在哪里nu，其他参数是 cdf 的那些

  • 我定义了iminuit扩展分箱似然拟合的实例，并将分布的累积计数传递给它：

m = Minuit(ExtendedBinnedNLL(binnedData, binEdges, 
     lambda x, nu, a, b, c, ...: nu * td.truncFEGGG.cdf(x, a, b, c, ...)), 
     **pars)

这最后一步是目前给我带来麻烦的一步；因为我需要使用几种不同的模型，所以我lambda每次都需要编写一个不同的函数（一个容易出错的过程），如果我可以scipy.stats一劳永逸地将累积计数添加到所有分布中，那就容易多了通过该功能：truncFEGGG.cntsCumul(x, nu, a, b, c, d...). 这似乎不可行（向 scipy.stats.rv_continuous 添加方法，rv_frozen 存在问题），所以我想知道其他人将如何解决这个问题。有什么建议么？

  • 之后，我运行最小化器，使用开始参数，迭代直到事情收敛
4

0 回答 0