python scipy stats帕累托适合：它是如何工作的

从相同分布生成数据应该导致拟合找到用于生成数据的参数,例如,(使用python 3 colsole)

$ python
Python 3.3.0 (default,Dec 12 2012,07:43:02) 
[GCC 4.7.2] on linux
Type "help","copyright","credits" or "license" for more information.
>>>

(在下面的代码行中省略了python控制台提示“>>>”)

dataset=scipy.stats.pareto.rvs(1.5,size=10000)  #generating data
scipy.stats.pareto.fit(dataset)

然而这导致了

(1.0,nan,0.0)

(指数1,应为1.5)和

dataset=scipy.stats.pareto.rvs(1.1,size=10000)  #generating data
scipy.stats.pareto.fit(dataset)

结果是

(1.0,应为1.1)和
 
 
 
 
dataset=scipy.stats.pareto.rvs(4,loc=2.0,scale=0.4,size=10000)    #generating data
scipy.stats.pareto.fit(dataset)
 
 
(指数应为4,loc应为2,比例应为0.4)in
 
 
 
 
(1.0,0.0)
 
 
等等
在调用fit函数时给出另一个指数
 
 
 
 
scipy.stats.pareto.fit(dataset,1.4)
 
 
总是返回这个指数
 
 
 
 
(1.3999999999999999,0.0)
 
 
显而易见的问题是：我是否完全误解了这个拟合函数的用途,是否以某种方式使用它,或者它是否被简单地破坏了？
 
 
一句话：在有人提到像Aaron Clauset的网页(http://tuvalu.santafe.edu/~aaronc/powerlaws/)上给出的那些专用函数比scipy.stats方法更可靠之前应该使用它们：这可能是真的,但它们也非常耗费时间对于10000点的数据集,在普通PC上需要花费很多小时(可能是几天,几周,几年).
 
 
编辑：哦：拟合函数的参数不是分布的指数而是指数减1(但这不会改变上述问题)