Я хочу подогнать распределение ядов по моим точкам данных и на основе критерия числового критерия принять решение о том, должен ли я принять или отклонить это предлагаемое распределение.Я использовал только 10 наблюдений.Вот мой код
#Fitting function:
def Poisson_fit(x,a):
return (a*np.exp(-x))
#Code
hist, bins= np.histogram(x, bins=10, density=True)
print("hist: ",hist)
#hist: [5.62657158e-01, 5.14254073e-01, 2.03161280e-01, 5.84898068e-02,
1.35995217e-02,2.67094169e-03,4.39345778e-04,6.59603327e-05,1.01518320e-05,
1.06301906e-06]
XX = np.arange(len(hist))
print("XX: ",XX)
#XX: [0 1 2 3 4 5 6 7 8 9]
plt.scatter(XX, hist, marker='.',color='red')
popt, pcov = optimize.curve_fit(Poisson_fit, XX, hist)
plt.plot(x_data, Poisson_fit(x_data,*popt), linestyle='--',color='red',
label='Fit')
print("hist: ",hist)
plt.xlabel('s')
plt.ylabel('P(s)')
#Chisquare test:
f_obs =hist
#f_obs: [5.62657158e-01, 5.14254073e-01, 2.03161280e-01, 5.84898068e-02,
1.35995217e-02, 2.67094169e-03, 4.39345778e-04, 6.59603327e-05,
1.01518320e-05, 1.06301906e-06]
f_exp= Poisson_fit(XX,*popt)
f_exp: [6.76613820e-01, 2.48912314e-01, 9.15697229e-02, 3.36866185e-02,
1.23926144e-02, 4.55898806e-03, 1.67715798e-03, 6.16991940e-04,
2.26978650e-04, 8.35007789e-05]
chi,p_value=chisquare(f_obs,f_exp)
print("chi: ",chi)
print("p_value: ",p_value)
chi: 0.4588956658201067
p_value: 0.9999789643475111`
Я использую 10 наблюдений, поэтому степень свободы будет равна 9. Для этой степени свободы я не могу найти свое значение p и значение chi в таблице распределения хи-квадрат.Что-то не так в моем коде? Или мои входные значения слишком малы, чтобы тест не прошел?если P-значение> 0,05, распределение принято.Хотя значение р велико 0,999, но для этого я не могу найти числовое значение 0,4588 в таблице.Я думаю, что-то не так в моем коде.Как исправить эту ошибку?
Является ли это возвращаемое значение хи критическим значением хвостов?Как проверить предложенную гипотезу?