Python |プロット＆形式でデータフィットをフィッティング（1/A）E^- Aを検索し、私が選択した答えを見つけることができない多くの後、一定

Question

をである（X/A）私の質問をここに入れてください。

私は指数関数をy =（1/A）e ^（ - x/A）の形で表示データにフィットさせ、この関数をプロットしますか？私はまだPythonでのフィッティングに慣れる必要があります。ヘルプは高く評価されます！

ありがとうございます。

Answer 1

私はそれを理解したように見えます。

def exponential_fit(x, a, c): 
""" 
Logarithmic fit used for the MuonLab life time measurements. 
:param x: 
:param a: 
:param c: 
:return: 
""" 
return (1/a)*np.exp(-x/a)+c 

DEF logarithmic_fit_plot（X、Y）：＃1 WIP フォント= { '家族'： '正常' '体重'： '太字' 'サイズ'：20}

matplotlib.rc('font', **font) 
xdata = x 
ydata = y 
plt.rc('text', usetex=True) 
plt.plot(xdata, ydata, '.', label='sample') 
popt, pcov = sp.optimize.curve_fit(exponential_fit, xdata, ydata) 
plt.plot(xdata, exponential_fit(xdata, *popt), 'r-', 
     label=r"$\frac{1}{\tau_0}e^{\frac{-x}{\tau_0}}, \tau_0=%5.3f, c=%5.3f$" % tuple(popt)) 
plt.legend() 
plt.show() 

悲しいことに、データにはうまく適合しませんが、それは私が推測する数学の問題です。

Answer 2

このコードは適切なフィット感をもたらします。

first = True 
lifetimes = [] 
counts = [] 
with open('Werkverkeer.txt') as w: 
    next(w) 
    for line in w: 
     _, life, count = line.rstrip().split() 
     life, count = float(life), int(count) 
     if count==0: 
      continue 
     lifetimes.append(life-0.005) 
     counts.append(count) 

probs = [_/sum(counts) for _ in counts] 
print (probs) 

from scipy.optimize import leastsq 
from scipy.stats import expon 
from numpy import exp 

def residual(params, X, data): 
    model = [expon.cdf(x+0.005, scale=params[0])-expon.cdf(x-0.005, scale=params[0]) for x in X] 
    return [d-m for (d,m) in zip(data, model)] 

r = leastsq(residual, [140], args=(lifetimes, probs)) 
estimate = r[0][0] 
print (estimate) 

fitted = [expon.cdf(x+0.005, scale=estimate)-expon.cdf(x-0.005, scale=estimate) for x in lifetimes] 
print(fitted) 

from matplotlib import pyplot as plt 

plt.plot(lifetimes, probs, 'r.') 
plt.plot(lifetimes, fitted, 'b-') 

plt.show() 

注意観光：

• よりもむしろcountsにフィット数が本当に得るための方法ですので、私は、確率の推定値である正規化countsに装着しました生涯の確率密度関数の推定値で計算する。
• 私はカウントを使用しているので、パラメータの与えられた値に対して、ビンの境界の間で密度関数の下に領域を合わせる必要があります。したがって、ラインmodel =。
• いつものように、residualの最終行は、観測された確率（カウントに基づく）と仮計算された確率の差を返します。

leastsqは、パラメータとして0.0497646352872の値を返します。