Powerlaw: a Python package for analysis of heavy-tailed distributions.
Powerlaw: a Python package for analysis of heavy-tailed distributions.
复制标题
DOI：
10.1371/journal.pone.0085777
复制
发表时间：
2014
期刊：
影响因子：
3.7
通讯作者：
Plenz D
中科院分区：
文献类型：
--
作者：
Alstott J;Bullmore E;Plenz D
幂律是理论上有趣的概率分布，也经常用于描述经验数据。近年来，有效的统计方法拟合幂律已经开发出来，但这些技术的适当使用需要大量的编程和统计见解。为了大大减少使用良好的统计方法拟合幂律分布的障碍，我们开发了幂律Python包。该软件包为基本拟合和分布统计分析提供了简单的命令。值得注意的是，它还力求通过详尽无遗地提供用户可用的选项来支持各种用户需求。源代码是公开的，并且易于扩展。
Power laws are theoretically interesting probability distributions that are also frequently used to describe empirical data. In recent years, effective statistical methods for fitting power laws have been developed, but appropriate use of these techniques requires significant programming and statistical insight. In order to greatly decrease the barriers to using good statistical methods for fitting power law distributions, we developed the powerlaw Python package. This software package provides easy commands for basic fitting and statistical analysis of distributions. Notably, it also seeks to support a variety of user needs by being exhaustive in the options available to the user. The source code is publicly available and easily extensible.
登录
查看更多内容
DOI：
10.1523/jneurosci.4286-12.2013
发表时间：
2013-04-17
期刊：
The Journal of neuroscience : the official journal of the Society for Neuroscience
影响因子：
--
作者：
Shriki O;Alstott J;Carver F;Holroyd T;Henson RN;Smith ML;Coppola R;Bullmore E;Plenz D
通讯作者：
Plenz D
影响因子：
4.3
作者：
Varshney LR;Chen BL;Paniagua E;Hall DH;Chklovskii DB
通讯作者：
Chklovskii DB
影响因子：
1.3
作者：
Malevergne, Y;Pisarenko, V;Sornette, D
通讯作者：
Sornette, D
影响因子：
3.7
作者：
Klaus A;Yu S;Plenz D
通讯作者：
Plenz D
影响因子：
5.3
作者：
Towlson, Emma K.;Vertes, Petra E.;Bullmore, Edward T.
通讯作者：
Bullmore, Edward T.