如何在scipy.stats中正确绘制Beta分布PDF并验证数据拟合效果

你当前绘制的Beta分布PDF图像异常，核心原因是直接使用无序的原始数据点计算并绘制PDF，导致折线在无序的x值间随机跳转，无法呈现分布的连续形态。以下是修正方案：

问题代码分析 #

原代码存在两个关键问题：

• 未导入numpy却使用了np.array
• 用原始无序数据点x绘制PDF，而非覆盖分布区间的有序序列

修正后的完整代码 #

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

# 原始数据
x = np.array([0.9999999 , 0.9602287 , 0.8823198 , 0.83825594, 0.92847216,
       0.9632976 , 0.90275735, 0.8383094 , 0.9826664 , 0.9141795 ,
       0.88799196, 0.9272752 , 0.94456017, 0.90466917, 0.8905505 ,
       0.95424247, 0.781545  , 0.9489085 , 0.9578988 , 0.8644015 ])

# 拟合Beta分布参数
beta_params = stats.beta.fit(x)
alpha, beta, loc, scale = beta_params
print(f"拟合参数：alpha={alpha:.3f}, beta={beta:.3f}, loc={loc:.3f}, scale={scale:.3f}")

# 生成覆盖分布区间的有序x轴序列
x_pdf = np.linspace(min(x), max(x), 1000)
# 计算对应x序列的PDF值
beta_pdf = stats.beta.pdf(x_pdf, alpha, beta, loc, scale)

# 绘制图像：直方图（原始数据分布）+ PDF曲线（拟合结果）
plt.figure(figsize=(10,6))
plt.hist(x, bins=10, density=True, alpha=0.5, label='原始数据直方图')
plt.plot(x_pdf, beta_pdf, 'r-', linewidth=2, label='拟合的Beta分布PDF')
plt.xlabel('数值')
plt.ylabel('概率密度')
plt.title('Beta分布拟合结果')
plt.legend()
plt.grid(alpha=0.3)
plt.show()

关键修正点说明 #

• 补充numpy导入：修复原代码中缺失的import numpy as np
• 生成有序x序列：用np.linspace生成1000个从数据最小值到最大值的均匀点，确保PDF曲线连续平滑
• 结合直方图对比：添加原始数据的密度直方图，能更直观地观察拟合效果
• 优化图像展示：添加标签、图例、网格，提升图像可读性

内容的提问来源于stack exchange，提问作者statsman