拟合自定义Scipy分布

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

def custom_distribution(x, param1, param2):
    # 自定义分布函数的逻辑
    # 根据实际情况计算概率密度或累积概率
    ...

# 设置随机数种子，以便结果可重复性
np.random.seed(123)

# 生成随机样本数据
sample_data = custom_distribution.rvs(param1, param2, size=1000)

# 拟合分布到样本数据
params = custom_distribution.fit(sample_data)

# 获取拟合的参数值
param1_fit, param2_fit = params

# 创建一个横轴范围
x_range = np.linspace(np.min(sample_data), np.max(sample_data), 100)

# 计算拟合曲线上每个点的概率密度值
fit_pdf = custom_distribution.pdf(x_range, param1_fit, param2_fit)

# 绘制拟合曲线和原始数据直方图
plt.hist(sample_data, bins=30, density=True, alpha=0.5, label='Original Data')
plt.plot(x_range, fit_pdf, 'r-', label='Fitted Distribution')
plt.legend()

# 显示图形
plt.show()