statsmodels.distributions.discrete.DiscretizedModel¶

class statsmodels.distributions.discrete.DiscretizedModel(endog, exog=None, distr=None)[source]¶

拟合离散化分布的实验模型

基于离散化分布的计数模型可以用于建模相对于泊松分布而言欠分散或过分散的数据，或者具有更重尾部的数据。

Parameters:¶

endogarray_like, 1-D

用于拟合分布的单变量数据。

exogNone

不支持解释变量。exog 参数仅为了在不同模型之间保持签名一致性而包含。

distrDiscretizedCount instance

(必需) 离散化计数分布的实例。

Attributes:¶

endog_names

内生变量的名称。

exog_names

外生变量的名称。

另请参阅

DiscretizedCount

示例

>>> from scipy import stats
>>> from statsmodels.distributions.discrete import (
        DiscretizedCount, DiscretizedModel)

>>> dd = DiscretizedCount(stats.gamma)
>>> mod = DiscretizedModel(y, distr=dd)
>>> res = mod.fit()
>>> probs = res.predict(which="probs", k_max=5)

方法

expandparams(params)	当某些参数固定时，扩展为完整的参数数组
fit([start_params, method, maxiter, ...])	基于似然模型的拟合方法
from_formula(formula, data[, subset, drop_cols])	从公式和数据框创建模型。
get_distr(params)	离散分布的冻结分布实例。
hessian(params)	在参数处评估的对数似然函数的Hessian矩阵
hessian_factor(参数[, 尺度, 观察到的])	计算Hessian的权重
information(参数)	模型的费舍尔信息矩阵。
initialize()	初始化（可能重新初始化）一个模型实例。
loglike(参数)	模型在参数处的对数似然值
loglikeobs(参数)	模型在参数下所有观测值的对数似然值。
nloglike(params)	模型在参数处的负对数似然
predict(params[, exog, which, k_max])	模型拟合后，predict 返回拟合值。
reduceparams(params)	减少参数
score(params)	在参数处评估的对数似然梯度
score_obs(params, **kwds)	在每个观测值的参数处评估的对数似然函数的雅可比矩阵/梯度。

属性

endog_names	内生变量的名称。
exog_names	外生变量的名称。