天体統計ツール (astropy.stats ）

序言：序言

♪the astropy.stats package holds statistical functions or algorithms used in astronomy. While the scipy.stats and statsmodels ソフトウェアパッケージは、汎用的なソフトウェアパッケージであり、天文学に特に有用または特定のツールが不足している広範な統計ツールを含む。このパッケージはこのような機能を提供することを目的としているが， not 代わる scipy.stats もしそれが施行されたら天文学者の需要を満たすことができる。

スタート

STTSパッケージには多くの異なるツールが含まれており，それらを導入することでアクセスすることができる：

>>> from astropy import stats

以下では，異なるツールの完全リストを提供する.それらの異なる用法については、文書を参照されたい。例えば，sigmaクロッピングは画像背景を推定する一般的な手法であり，使用可能である. sigma_clip() 機能します。デフォルトの場合，この関数は異常値をマスクしたマスク配列を返す.

実例.

画像の背景を推定するためには、以下の操作を実行してください。

>>> data = [1, 5, 6, 8, 100, 5, 3, 2]
>>> stats.sigma_clip(data, sigma=2, maxiters=5)
masked_array(data=[1, 5, 6, 8, --, 5, 3, 2],
             mask=[False, False, False, False,  True, False, False, False],
       fill_value=999999)

あるいは、 SigmaClip クラスはsigmaクロッピングのためのオブジェクト指向インタフェースを提供し、デフォルトではマスク配列も返します：：

>>> sigclip = stats.SigmaClip(sigma=2, maxiters=5)
>>> sigclip(data)
masked_array(data=[1, 5, 6, 8, --, 5, 3, 2],
             mask=[False, False, False, False,  True, False, False, False],
       fill_value=999999)

また，統計計算を容易にする便利な関数がいくつかある.例えば sigma_clipped_stats() σクロッピング配列の平均値、中央値、および標準偏差が返される：

>>> stats.sigma_clipped_stats(data, sigma=2, maxiters=5)  
(4.2857142857142856, 5.0, 2.2497165354319457)

計算ツールもあります robust statistics データをサンプリングし circular statistics 信頼限界、空間統計、適応ヒストグラム。

ほとんどのツールはかなり独立しており，それらの文書文字列には関連する例が含まれている.

Vbl.使用 astropy.stats

以下に示す個々のページには、ソフトウェアパッケージの使用に関するより詳細な情報が提供されている。

定数.

♪the astropy.stats Packageは、ガウスσと半値全幅(FWHM)との間で変換するための2つの定数を定義する：

gaussian_sigma_to_fwhm

ガウス1シグマ標準偏差に乗算して半値全幅(FWHM)の係数に変換する。

>>> from astropy.stats import gaussian_sigma_to_fwhm
>>> gaussian_sigma_to_fwhm  
2.3548200450309493
gaussian_fwhm_to_sigma

ガウス半値全幅(FWHM)を乗じて1シグマ標準偏差の係数に変換する.

>>> from astropy.stats import gaussian_fwhm_to_sigma
>>> gaussian_fwhm_to_sigma  
0.42466090014400953

別項参照

  • scipy.stats

    このSciPyパッケージには様々な有用な統計関数やクラスが含まれている.中の機能 astropy.stats これを補うことを意味します not これを交換してください。

  • statsmodels

    StatsModelsパッケージは、異なる統計モデル、テスト、データ探索を評価する機能を提供する。

  • astroML

    AsterMLパッケージは，機械学習とデータマイニングのためのPythonモジュールである.このソフトウェアパッケージの中のいくつかのツールはすでにここに移転しましたが、依然としていくつかのツールは天文学と統計分析に有用です。

  • astropy.visualization.hist()

    ♪the histogram() ここで定義したルーチンと関連機能は astropy.visualization.hist() 機能します。ヒストグラムのバインディングを決定するこれらの方法の検討については，参照されたい. ヒストグラムボックスを選択する それがそうです。

性能提示

Sigma裁断が遅いことを発見して、まだそうしていない場合は、インストールを検討してください bottleneck カバン、これはいくつかの内部計算を加速させるだろう。また，標準関数を用いると cenfunc および/または stdfunc これらがNumPy関数を渡すのではなく、文字列として指定されることを確認してください。すなわち、使用：

>>> sigma_clip(array, cenfunc='median')

そうではありません

>>> sigma_clip(array, cenfunc=np.nanmedian)

文字列を使用することで、sigma-クロッピングアルゴリズムが最も速い実装を選択して中央値を探すことができます。

参照/API

Asterpy.statsバッグ

このサブパッケージには、Astropyのために提供されるか、またはAstropyによって使用される統計ツールが含まれています。

当. scipy.stats ソフトウェアパッケージは、汎用的なソフトウェアパッケージであり、天文学に特に有用であるか、または天文学において非典型的な方法で使用されるツールが不足している広範な統計ツールを含む。このパッケージはこのような機能を提供することを目的としているが， not 代わる scipy.stats もしそれが施行されたら天文学者の需要を満たすことができる。

機能

binom_conf_interval \(K，n[, ...] )

二項比例信頼区間はk回の成功を与え，n回の試行である.

binned_binom_proportion \(X，成功[, bins, ...] )

連続変数ボックス中の二項割合と信頼区間 x それがそうです。

poisson_conf_interval \(n[, interval, sigma, ...] )

観測カウントを与えるポアソンパラメータ信頼区間

median_absolute_deviation \(データ[, axis, ...] )

中桁絶対偏差(MAD)を計算する.

mad_std \(データ[, axis, func, ignore_nan] )

方法着実な標準偏差を計算する. median absolute deviation (MAD) それがそうです。

signal_to_noise_oir_ccd \(t，ソース_EPS，...)

光学/IRにおいて観察される信号源の信号対雑音比は、CCDを用いて計算される。

bootstrap \(データ[, bootnum, samples, bootfunc] )

Numpy配列に対してブートリサンプリングを行う.

kuiper \(データ[, cdf, args] )

カーバー統計量を計算する.

kuiper_two \(データ1，データ2)

コーバー統計量を計算して2つのサンプルを比較する.

kuiper_false_positive_probability \(d，N)

コーバー統計量の偽陽性確率を計算した。

cdf_from_intervals \(中断，合計)

呼び出し可能なセグメント化線形CDFは、対数グループから構築される。

interval_overlap_length \(i 1，i 2)

2つの区間の重なり長を計算する.

histogram_intervals \(n，セグメント，合計)

セグメント等重み関数のヒストグラム.

fold_intervals \(間隔)

重み区間を区間(0，1)に折り畳む.

biweight_location \(データ[, c, M, axis, ignore_nan] )

二重物の位置を計算する。

biweight_scale \(データ[, c, M, axis, ...] )

二重秤を計算する。

biweight_midvariance \(データ[, c, M, axis, ...] )

二重体の中国分散を計算する。

biweight_midcovariance \(データ[, c, M, ...] )

多変量対間の二重重みにおける共分散を計算する.

biweight_midcorrelation \(X，y[, c, M, ...] )

2つの変数間の双重みにおける相関を計算する.

sigma_clip \(データ[, sigma, sigma_lower, ...] )

提供されたデータに対してsigma-クロッピングを実行します。

sigma_clipped_stats \(データ[, mask, ...] )

提供されたデータのシグマ切り出し統計データを計算する.

jackknife_resampling \(データ)

しびれ配列上でナイフ切り出しサンプリングを行った。

jackknife_stats \(データ，統計[, ...] )

カッタ再サンプリングに基づいてカッタ推定を実行する。

circmean \(データ[, axis, weights] )

円形データ配列の円形平均角度を計算する.

circstd \(データ[, axis, weights, method] )

ループデータ配列のループ標準偏差を計算する.

circvar \(データ[, axis, weights] )

ループデータ配列のループ分散を計算する.

circmoment \(データ[, p, centered, axis, weights] )

計算する. p ループデータ配列の3回目の三角円モーメント.

circcorrcoef \(Alpha，Beta[, axis, ...] )

2つのループデータ配列間のループ相関係数を計算する.

rayleightest \(データ[, axis, weights] )

均一性のレイリーテストを行います。

vtest \(データ[, mu, axis, weights] )

均一性のレイリー検査が実行され、代替仮説H 1が既知の平均角度を有すると仮定される。 mu それがそうです。

vonmisesmle \(データ[, axis] )

Von Mises分布パラメータの最尤推定(MLE)を計算する。

bayesian_blocks \(t[, x, sigma, fitness] )

スカゲルベイズブロックを用いてデータの最適分割を計算する

histogram \(a[, bins, range, weights] )

拡張ヒストグラム機能、適応バインディングを提供

scott_bin_width \(データ[, return_bins] )

スコットルールを使用して最適なヒストグラムボックスの幅を返します

freedman_bin_width \(データ[, return_bins] )

Freedman-Diaconisルールを使用して最適なヒストグラムボックス幅を返す

knuth_bin_width \(データ[, return_bins, quiet] )

Knuthルールを用いて最適なヒストグラムボックス幅を返す.

calculate_bin_edges \(a[, bins, range, weights] )

ヒストグラムボックス辺を計算すると，以下のようになる. numpy.histogram_bin_edges それがそうです。

bayesian_info_criterion \(ログ_可能性，...)

ベイズ情報基準(BIC)を計算し、推定(または解析導出)パラメータ、パラメータ数、およびサンプル数で評価される尤度関数の対数を与える。

bayesian_info_criterion_lsq (SSR，n_パラメータ，...)

ベイズ情報尺度(BIC)を計算し，観測値はガウス分布から来ると仮定する.

akaike_info_criterion \(ログ_可能性，...)

Akaike情報基準(AIC)を計算する。

akaike_info_criterion_lsq (SSR，n_パラメータ，...)

観測値をガウス分布と仮定し，Akaike情報尺度を計算する.

クラス

SigmaClip \([sigma, sigma_lower, sigma_upper, ...] )

クラスはsigmaクロッピングを実行する.

FitnessFunc \([p0, gamma, ncp_prior] )

ベイズチャンキング適応度関数の基底クラス

Events \([p0, gamma, ncp_prior] )

ベイズ閉塞入庫または未入庫イベントの適応度

RegularEvents \(dt[, p0, gamma, ncp_prior] )

ベイズは通常の試合の適合性を阻害している

PointMeasures \([p0, gamma, ncp_prior] )

ベイズブロック対点測定の適合性

RipleysKEstimator \(面積[, x_max, y_max, ...] )

二次元空間データRipley K関数の推定式

クラス継承関係図

Inheritance diagram of astropy.stats.sigma_clipping.SigmaClip, astropy.stats.bayesian_blocks.FitnessFunc, astropy.stats.bayesian_blocks.Events, astropy.stats.bayesian_blocks.RegularEvents, astropy.stats.bayesian_blocks.PointMeasures, astropy.stats.spatial.RipleysKEstimator