2

从一本计算机模拟的书中，我得到了这两个方程。

替代文字

第一个是计算相关图，第二个是如何使用相关图估计方差。

估计观察方差的常用方法在计算机模拟中通常不是错误的，因为观察通常是相关的。

我的问题是，我从我的程序中计算出来的值非常大，所以它不可能是正确的。

我认为因为当 k 变大时 r[k] 会接近 0，所以第二个方程会给出一个很大的值，所以方程可能不正确？

正如你所问的，这是整个程序（用 Python 编写）：

@property
def autocorrelation(self):
    n = self.packet_sent
    mean = self.mean
    waiting_times = self.waiting_times
    R = [ sum([(x - mean) ** 2 for x in waiting_times[:-1]]) / n ]
    #print R

    for k in range(1, n / 4 + 1):
        R.append(0)
        for i in range(0, n - k):
            R[k] += (waiting_times[i] - mean) * (waiting_times[i + k] - mean)
        R[k] /=  n

    auto_cor = [r / R[0] for r in R]
    return auto_cor

@property
def standard_deviation_wrong(self):
    '''This must be a wrong method'''
    s_x = self.standard_deviation_simple
    auto_cor = self.autocorrelation
    s = 0
    n = self.packet_sent
    for k, r in enumerate(auto_cor[1:]):
        s += 1 - (k + 1.0) * r / n
        #print "%f %f %f" % (k, r, s)
    s *= 2
    s += 1
    s = ((s_x ** 2) * s) ** 0.5
    return s
4

1 回答 1

1

也可以使用该函数计算相关图acf()。

-k

于 2009-11-07T06:48:02.983 回答