igraph.statistics.FittedPowerLaw

class documentation

class FittedPowerLaw: (source)

构造函数: FittedPowerLaw(continuous, alpha, xmin, L, ...)

查看层次结构

将幂律拟合到样本向量的结果

示例：

>>> result = power_law_fit([1, 2, 3, 4, 5, 6])
>>> result                   # doctest:+ELLIPSIS
FittedPowerLaw(continuous=False, alpha=2.42..., xmin=3.0, L=-7.54..., D=0.21..., p=0.993...)
>>> print(result)            # doctest:+ELLIPSIS
Fitted power-law distribution on discrete data
<BLANKLINE>
Exponent (alpha)  = 2.42...
Cutoff (xmin)     = 3.000000
<BLANKLINE>
Log-likelihood    = -7.54...
<BLANKLINE>
H0: data was drawn from the fitted distribution
<BLANKLINE>
KS test statistic = 0.21...
p-value           = 0.993...
<BLANKLINE>
H0 could not be rejected at significance level 0.05
>>> result.alpha             # doctest:+ELLIPSIS
2.42...
>>> result.xmin
3.0
>>> result.continuous
False
方法 __init__ 未记录
方法 __repr__ 未记录
方法 __str__ 未记录
方法 summary 返回幂律拟合的摘要。
实例变量 alpha 未记录
实例变量 continuous 未记录
实例变量 D 未记录
实例变量 L 未记录
实例变量 p 未记录
实例变量 xmin 未记录
def __init__(self, continuous, alpha, xmin, L, D, p): (source)

未记录

def __repr__(self): (source)

未记录

def __str__(self): (source)

未记录

def summary(self, significance=0.05): (source)

返回幂律拟合的摘要。

参数
significance用于决定输入数据是否可能来自拟合分布的Kolmogorov-Smirnov检验的显著性水平
返回
摘要作为字符串
alpha = (source)

未记录

continuous = (source)

未记录

D = (source)

未记录

L = (source)

未记录

p = (source)

未记录

xmin = (source)

未记录