Python使用Statsmodels进行概率分布的拟合和参数估计，包括正态分布、泊松分布、伽马分布等

环境搭建: 1. 安装Statsmodels库：使用pip命令安装Statsmodels库。 pip install statsmodels 依赖的类库: - pandas: 用于数据处理和转换。 - numpy: 用于数值计算。 数据集: 在该样例中，我们将使用Statsmodels自带的数据集 `longley`。这个数据集包含了1947-1962年间的美国经济数据。 python import statsmodels.api as sm # 加载longley数据集 data = sm.datasets.macrodata.load_pandas().data 样例数据: `data` 是一个包含多个变量的DataFrame，其中最重要的变量是 `unemp`（失业率）。 完整的样例代码如下： python import numpy as np import pandas as pd import statsmodels.api as sm from scipy.stats import t def fit_normal_distribution(data): mu, std = norm.fit(data) return mu, std def fit_poisson_distribution(data): mu = poisson.fit(data) return mu def fit_gamma_distribution(data): a, loc, scale = gamma.fit(data) return a, loc, scale # 加载longley数据集 data = sm.datasets.macrodata.load_pandas().data # 选择需要拟合的数据 unemployment_rate = data["unemp"] # 拟合正态分布 mu, std = fit_normal_distribution(unemployment_rate) # 拟合泊松分布 mu_poisson = fit_poisson_distribution(unemployment_rate) # 拟合伽马分布 a, loc, scale = fit_gamma_distribution(unemployment_rate) # 打印拟合结果 print("正态分布：") print("均值:", mu) print("标准差:", std) print(" ") print("泊松分布：") print("均值:", mu_poisson) print(" ") print("伽马分布：") print("形状参数:", a) print("位置参数:", loc) print("尺度参数:", scale) 请确保在运行代码之前已安装所需的库。