Tenuto conto delle osservazioni nei commenti, credo che qualcosa di simile a quanto segue è quello che stai cercando:
import numpy as np
import matplotlib.pyplot as plt
def plot_exponential_density(mu, xmax, fmt, label):
x = np.arange(0, xmax, 0.1)
y = 1/mu * np.exp(-x/mu)
plt.plot(x, y, fmt, label=label)
def sample_and_plot(N, color):
# first sample N valus
samples = np.zeros((N,1))
for i in range(0,N):
samples[i] = np.random.exponential()
# determine the mean
mu = np.mean(samples)
print("N = %d ==> mu = %f" % (N, mu))
# plot a histogram of the samples
(n, bins) = np.histogram(samples, bins=int(np.sqrt(N)), density=True)
plt.step(bins[:-1], n, color=color, label="samples N = %d" % N)
xmax = max(bins)
# plot the density according to the estimated mean
plot_exponential_density(mu, xmax, color + "--", label="estimated density N = %d" % N)
return xmax
# sample 100 values, draw a histogram, and the density according to
# the estimated mean
xmax1 = sample_and_plot(100, 'r')
# do the same for 1000 samples
xmax2 = sample_and_plot(10000, 'b')
# finally plot the true density
plot_exponential_density(1, max(xmax1, xmax2), 'k', "true density")
# add a legend
plt.legend()
# and show the plot
plt.show()
ho usato 100 e 10.000 campioni, dal momento che con 1.000 campioni della stima è già abbastanza buono Ma ancora con solo 100 campioni sono in qualche modo sorpreso di quanto sia buona la stima della media e quindi della densità. Dato solo l'istogramma senza la consapevolezza che i campioni sono tratti da una distribuzione esponenziale, non sono sicuro di riconoscere una distribuzione esponenziale qui ...
Non credo di aver capito. Hai due MLE. Questo è due numeri. Non ci sono molte informazioni che puoi ottenere con un grafico invece di guardare solo i numeri. In alternativa, è possibile calcolare gli MLE per un gruppo di dimensioni del campione e dimensione del grafico rispetto a MLE. Quindi confrontalo con il valore reale. * Questo * potrebbe essere migliore. – Avaris
Ci scusiamo per la confusione. Voglio tracciare qualcosa del genere: http://nipy.sourceforge.net/nitime/_images/ar_est_2vars_01.png. Voglio mostrare la densità reale e le mie versioni stimate. –
C'è ancora confusione, ma penso che riguardi la matematica. Si suppone che MLE fornisca una stima per una * variabile singola *, non una densità. Ma per una distribuzione esponenziale, è possibile utilizzare la stima della media per ottenere una * densità di stima *, poiché esiste una relazione diretta tra il parametro della media e la densità. E 'questo quello che cercavi? – Avaris