Python scipy.stats瑞利分布fit返回值含义及σ参数获取方法

stats.rayleigh.fit(num_list) 返回的二元元组是scipy连续分布fit方法的通用输出格式，两个值的含义非常明确：

• 第一个值：loc 位置偏移参数
  scipy的所有连续分布都支持位置平移适配，原生瑞利分布的取值范围是[0, +∞)，loc就是分布整体在x轴上的平移量，拟合得到这个值之后，分布的实际取值起点就从0变成了loc。你举例里的-320.34，就代表拟合出的瑞利分布左端点在x=-320.34的位置。
• 第二个值：scale 尺度参数
  这个值就是你要找的瑞利分布核心参数σ。

scipy实现的瑞利分布是带偏移的通用版本，概率密度计算逻辑为：当x ≥ loc时，密度值为(x-loc)/(σ**2) * exp(-(x-loc)**2/(2*σ**2))，x < loc时密度为0。你记忆里只需要σ参数的瑞利分布，就是loc=0时的特殊情况，两者完全兼容。

实际使用方式 #

1. 拆分返回值就能直接拿到需要的σ：

rayleigh_args = stats.rayleigh.fit(num_list)
loc, sigma = rayleigh_args

2. 计算CDF、PDF时直接传入两个参数即可，不需要做额外转换：

target_x = 120
# 计算累积分布函数值
cdf_val = stats.rayleigh.cdf(target_x, loc=loc, scale=sigma)
# 计算概率密度函数值
pdf_val = stats.rayleigh.pdf(target_x, loc=loc, scale=sigma)

3. 如果你确定自己的数据符合从0起点的原生瑞利分布，不存在位置偏移，可以在拟合时固定loc=0，得到更贴合理论设定的σ：

# floc参数用于强制固定loc值，不参与拟合优化
loc, sigma = stats.rayleigh.fit(num_list, floc=0)

内容的提问来源于stack exchange，提问作者George T