確率密度のプロットイベントの到着時間の関数（PDF）？

Question

次のように私は、データ値の配列を持っている：

0.000000000000000000e+00 
3.617000000000000171e+01 
1.426779999999999973e+02 
2.526699999999999946e+01 
4.483190000000000168e+02 
7.413999999999999702e+00 
1.132390000000000043e+02 
8.797000000000000597e+00 
1.362599999999999945e+01 
2.080880900000000111e+04 
5.580000000000000071e+00 
3.947999999999999954e+00 
2.615000000000000213e+00 
2.458000000000000185e+00 
8.204600000000000648e+01 
1.641999999999999904e+00 
5.108999999999999986e+00 
2.388999999999999790e+00 
2.105999999999999872e+00 
5.783000000000000362e+00 
4.309999999999999609e+00 
3.685999999999999943e+00 
6.339999999999999858e+00 
2.198999999999999844e+00 
3.568999999999999950e+00 
2.883999999999999897e+00 
7.307999999999999829e+00 
2.515000000000000124e+00 
3.810000000000000053e+00 
2.829000000000000181e+00 
2.593999999999999861e+00 
3.963999999999999968e+00 
7.258000000000000007e+00 
3.543000000000000149e+00 
2.874000000000000110e+00 
................... and so on. 

私はデータ値の確率密度関数をプロットしたいです。私は(Wiki)とscipy.stats.gaussian_kdeと言いました。しかし、私はそれが正しいかどうかは分かりません。 私はPythonを使用しています。単純なデータプロットコードは次のとおりです：

from matplotlib import pyplot as plt 
plt.plot(Data) 

しかし、今私はPDF（確率密度関数）をプロットしたいと思います。しかし、私はそうするためにPythonのライブラリを取得していません。

Answer 1

データセットが信頼できるカーネル密度推定を可能にするために非常に小さいです。 （私はあなたがやろうとしているものを正しく理解している場合）ので、私は別のデータを使用して手順をdemostrateます

import numpy as np 
import scipy.stats 

# generate data samples 
data = scipy.stats.expon.rvs(loc=0, scale=1, size=1000, random_state=123) 

に推定は、単に

scipy.stats.gaussian_kde(data,bw_method=bw) 

呼び出すことによって取得することができカーネル密度を設定しますbwは、推定手順の（オプションの）パラメータです。このデータ・セット、およびbwための3つの値を考慮するためのフィットのような大きなbw値は、この例ではコスト（と、しかし、より滑らかなPDF推定をもたらすこと

# test values for the bw_method option ('None' is the default value) 
bw_values = [None, 0.1, 0.01] 

# generate a list of kde estimators for each bw 
kde = [scipy.stats.gaussian_kde(data,bw_method=bw) for bw in bw_values] 


# plot (normalized) histogram of the data 
import matplotlib.pyplot as plt 
plt.hist(data, 50, normed=1, facecolor='green', alpha=0.5); 

# plot density estimates 
t_range = np.linspace(-2,8,200) 
for i, bw in enumerate(bw_values): 
    plt.plot(t_range,kde[i](t_range),lw=2, label='bw = '+str(bw)) 
plt.xlim(-1,6) 
plt.legend(loc='best') 

注以下に示します。 ）が可能であり、これはここでは当てはまらない。

Answer 2

使用numpy.histogram

例：あなたが提供する

# a is your data array 
hist, bins = np.histogram(a, bins=100, normed=True) 
bin_centers = (bins[1:]+bins[:-1])*0.5 
plt.plot(bin_centers, hist)