Как я могу оценить параметры мю и сигма для распределения logNormal с данными квантилей в Python

У меня есть данные:

[11043.000000   14565.625000    15901.000000    18104.0 22458.000000    26990.000000    31825.600000    38803.500000    42934.285714    47751.111111    64975.333333]

для квантилей

[0.1,0.2,0.25,0.3,0.4,0.5,0.6,0.7,0.75,0.8,0.9]

и мне нужно получить оценочные значения для mu и sigma распределения logNormal с использованием python.

Есть идеи?

Возможный дубликат Логнорм Scipy подходит к гистограмме

buzjwa 29.05.2019 12:57
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
1
311
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вам нужна первая подходящая функция для ваших данных, а затем извлеките параметры:

from scipy import stats
import numpy as np

y_data = [11043, 14565, 15901, 18104, 22458, 26990, 31825.6, 38803.5, 42934.285714, 47751.111111, 64975.333333]

# fit data
sigma, loc, scale = stats.lognorm.fit(y_data, floc=0)

# get mu
mu = np.log(scale)

Выход:

mu = 10.186710603314205
sigma =  0.5326712155979726

Другие вопросы по теме