Calculer et tracer une estimation par noyau avec python et scipy

Simple exemple sur comment calculer et tracer une estimation par noyau avec python et scipy

[image:kernel-estimation-1d]

from scipy.stats.kde import gaussian_kde

import matplotlib.pyplot as plt
import numpy as np

data = [-2.1,-1.3,-0.4,5.1,6.2]

kde = gaussian_kde(data)

x = np.linspace(-15, 20.0, 50)
y = [kde(i) for i in x]

plt.scatter(data,[0 for i in data])

plt.plot(x,y)

plt.title("Estimation par noyau avec pytho et scipy")
plt.grid()

plt.savefig("kernel_estimation_1d.png",bbox_inches='tight')
plt.show()

Exemple 2:

from scipy.stats.kde import gaussian_kde
from scipy.stats import norm

import numpy as np
import matplotlib.pyplot as plt

mu, sigma = 0, 0.1 # mean and standard deviation
s = np.random.normal(mu, sigma, 1000)

my_pdf = gaussian_kde(s)

fig = plt.figure()
ax = fig.add_subplot(1,1,1)

count, bins, ignored = plt.hist(s, 50, normed=True)

len_bins = len(bins)
resol = (bins[len_bins-1] - bins[0]) / 100.0
x = np.arange(bins[0],bins[len_bins-1],resol)

plt.text(0.2, 0.6,'Gaussian KDE',
     horizontalalignment='center',
     verticalalignment='center',
     transform = ax.transAxes, fontsize=14,color='g')

plt.text(0.2, 0.7,'Normal Gaussian \n Distribution',
     horizontalalignment='center',
     verticalalignment='center',
     transform = ax.transAxes, fontsize=14,color='r')

plt.plot(x,my_pdf(x), linewidth=2, color='g') 
plt.plot(bins, norm.pdf(bins, mu,sigma), linewidth=2, color='r')

plt.savefig('KDE_Example.png',bbox_inches='tight')
plt.show()

Recherches associées