Глядя на source code на norm.fit
, похоже, что если вы используете функцию только с данными, переданными (т.е. араметры), то эта функция просто возвращает среднее и стандартное отклонение :. Мы можем сделать то же самое в Breeze так:
scala> val data = DenseVector(1d,2d,3d,4d)
data: breeze.linalg.DenseVector[Double] = DenseVector(1.0, 2.0, 3.0, 4.0)
scala> val mu = mean(data)
mu: Double = 2.5
scala> val samp_var = variance(data)
samp_var: Double = 1.6666666666666667
scala> val n = data.length.toDouble
n: Double = 4.0
scala> val pop_var = samp_var * (n-1)/(n)
pop_var: Double = 1.25
scala> val pop_std = math.sqrt(pop_var)
pop_std: Double = 1.118033988749895
Нам нужно изменить дисперсию выборки, чтобы получить дисперсию населения. Это то же самое, что и результат scipy
:
In [1]: from scipy.stats import norm
In [2]: mu, std = norm.fit([1,2,3,4])
In [3]: mu
Out[3]: 2.5
In [4]: std
Out[4]: 1.1180339887498949
Как он отличается от stddev? – Harshit
Распределение населения/stddev vs Пример дисперсии/stddev. См. [Здесь] (https://en.wikipedia.org/wiki/Variance#Population_variance) –