在scipy.stats中，rv_continuous有找到MLE的合适方法，但rv_discrete没有。为什么？

Question

我想找到一些数据可能受离散分布控制的最大似然估计量。但是在scipy.stats中，只有代表连续分布的类才有适合的功能。代表离散分布的类不是什么原因？

Answer 1

简短回答：因为没有人为它写过代码，或者甚至尝试过，据我所知。

较长的答案：我不知道我们可以用通用最大似然方法得到离散模型还有多远，因为它适用于连续分布，它适用于许多但不是全部。

大多数离散分布对参数强大的限制，很可能其中大部分都需要特定的分配

>>> [(f, getattr(stats, f).shapes) for f in dir(stats) if isinstance(getattr(stats, f), stats.distributions.rv_discrete)] 
[('bernoulli', 'pr'), ('binom', 'n, pr'), ('boltzmann', 'lamda, N'), 
('dlaplace', 'a'), ('geom', 'pr'), ('hypergeom', 'M, n, N'), 
('logser', 'pr'), ('nbinom', 'n, pr'), ('planck', 'lamda'), 
('poisson', 'mu'), ('randint', 'min, max'), ('skellam', 'mu1,mu2'), 
('zipf', 'a')] 

statsmodels是提供一些离散模型的拟合方法其中的参数也可以取决于一些解释变量。其中大多数类似广义线性模型，需要一个链接函数来将参数的值限制为有效范围，例如概率的区间（0,1），或者计数模型中的参数的值大于零。

然后，二项式中的“n”参数和其他一些参数需要是整数，这使得不可能使用scipy.optimize中通常的连续最小值。

一个好的解决方案是有人可以添加分布特定的拟合方法，以便我们至少有更容易的方法。