scipy.stats.

yeojohnson_normmax

scipy.stats.yeojohnson_normmax(x, brack=None)

計算最佳 Yeo-Johnson 轉換參數。

使用最大似然估計，計算輸入資料的最佳 Yeo-Johnson 轉換參數。

參數:

xarray_like

輸入陣列。

brack二元組，選填

使用 optimize.brent 進行下坡括號搜尋的起始區間。請注意，在大多數情況下，這並非至關重要；最終結果可能在括號之外。若為 None，則會使用 optimize.fminbound，並使用避免溢位的邊界。

回傳值:

maxlogfloat

找到的最佳轉換參數。

參見

yeojohnson, yeojohnson_llf, yeojohnson_normplot

註解

於 1.2.0 版本新增。

範例

在你的瀏覽器中試試看！

>>> import numpy as np
>>> from scipy import stats
>>> import matplotlib.pyplot as plt

產生一些資料並決定最佳 lmbda

>>> rng = np.random.default_rng()
>>> x = stats.loggamma.rvs(5, size=30, random_state=rng) + 5
>>> lmax = stats.yeojohnson_normmax(x)

>>> fig = plt.figure()
>>> ax = fig.add_subplot(111)
>>> prob = stats.yeojohnson_normplot(x, -10, 10, plot=ax)
>>> ax.axvline(lmax, color='r')

>>> plt.show()

返回在新分頁中開啟