如何在 Python 中拟合具有自相关数据的多元正态分布？

问题描述

我有几个数据系列。它们都相互共变，并与自身自相关。我想为这些数据拟合多元正态分布，同时计算它们的自相关性，以便我随后可以生成具有类似统计属性的合成数据。我该怎么做？

（现在假设 MVN 是代表基础数据的正确分布 - 除非有严重的理由我不应该 - 为简单起见，假设只存在滞后 1 自相关。）

到目前为止，我能够拟合 MVN 并从中生成绘图，但不确定如何处理自相关。我目前正在使用 numpy 和 pandas。

table = pd.read_csv(datafile) # Datafile shows each data series as a row

means = table.mean(axis=1)
covs = table.T.cov()

rng = np.random.default.rng()

syndata = rng.multivariate_normal(means,covs,(samplesize,samplelength))

任何指导将不胜感激！

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）