问题标签 [apache-commons-math]

我在做一些琐碎的事情时遇到了可怕的事情：在 Scala 中创建org.apache.commons.math3.distribution.EnumeratedDistribution的新实例。最好我能做出以下应该工作......

...这失败并在 REPL 中出现以下错误...

我的印象java.util.List是抽象的，因此必须使用类似的东西ArrayList。我确信这是微不足道的。想法？

Apache Math 3.4（和 3.3），java 1.8.0_25

为什么 Apache Math 在第二次调用中返回 0.0？一些统计库（Excel，但不是 R）确实返回的值远小于 1E-16 的尾部概率。

附加编辑：在下面的评论中，Robert 提供了一种直接计算卡方尾概率的方法，该方法使用 Apache 数学库 (regularizedGammaQ) 中不存在此精度问题的另一个函数。

卡方分布 Javadoc

伯努利分布等价于只有 1 次试验的二项分布，即BinomialDistribution(1,p)来自 Apache Commons Math 库。伯努利分布显然比一般的二项分布要简单得多。

BernoulliDistribution(p)如果性能很重要，我应该通过子类化自己来AbstractIntegerDistribution实现，还是仅仅通过使用就可以获得几乎相同的性能BinomialDistribution(1,p)？

我正在尝试制作一个项目，其中涉及从原始数据及其导数计算插值。我有两个看起来像这样的数组：

我想要一个函数来描述以下数组，所以我使用 apache-common-math 库来插入将描述函数的多项式，其中：F(A[i]) = B[i]。之后，我希望计算这个函数的导数，以便能够找到极值（最大值/最小值）。

出于某种原因，我在衍生部分遇到了麻烦。

目前使用：

现在我有了多项式，它是代表我以前的数组的函数。我应该如何计算它的导数..？

谢谢。

当我在 中运行学生 t-distribution 时R，我得到以下信息：

当我使用Apache Commons Math库运行时，我得到以下信息：

价值观完全不同。这是预期的行为（或）我错过了什么吗？

编辑： 当我使用时cumulativeProbability，我得到了以下输出，这也与 R 值有很大不同。

我正在尝试使用 apache.commons.math3.ml.clustering 包中的 DBSCANClusterer，但没有成功。我正在使用 Apache Common Math 3.4.1

当我运行 DBSCANClusterer.cluster() 方法时，我总是得到一个带有一个点的集群，它始终对应于我的点列表中的第一个点。

我的输出总是： [1009.0, 1019.0] 。我在这里做错了什么？

我是统计主题的新手，所以我想我在这里遗漏的东西可能很明显。

基本上，我想根据Apache Commons Math的统计测试double来检查某些整数值数组（直方图）是否符合具有一定显着性水平的正态分布（指定平均值和标准差） 。

我已经了解的是，常见的方法是计算p 值，然后确定零假设是否为真。

我的第一个“婴儿”步骤是使用单向方差分析测试检查两个数组是否来自同一分布（第二部分取自文档中的示例）：

结果是：

假设显着性水平为 0.05，我可以推断假设为真（即两个数组来自相同的分布）p > 0.05。

现在让我们进行 Kolmogorov-Smirnov 检验。文档中的示例代码显示了如何针对某个NormalDistribution对象检查单个数组（这是我的目标）。然而，它也允许检查两个数组。在这两种情况下我都无法得到正确的结果。例如，让我们将上面的例子改编成 KS：

结果是：

我的问题是为什么本质上相同数据的 p 值现在这么小？这是否意味着该测试不适合此类数据？

我是不是该：

• 生成参考数组NormalDistribution（即具有指定的平均值和标准差），然后使用单向方差分析测试（或其他）将其与我的数组进行比较
• 以某种方式调整我的数据，然后使用 KS 将单个数组与NormalDistribution对象进行比较

?

我需要在我的代码中生成随机数，但我想根据当前场景更改分布的参数。该应用程序可以作为单线程或多线程应用程序运行。

我的问题是，我应该RandomGenerator在我的类的构造函数中初始化对象，然后使用该RandomGenerator对象来（重新）初始化NormalDistribution，BetaDistribution或任何其他AbstractRealDistribution重复对象，还是在我需要更新参数后初始化我的分布对象。

就生成良好的随机数和最优性而言，哪个是更好的选择？

情况1：

案例二：

我正在使用 DBSCAN 库从一组数据中提取集群。到目前为止，我已经使用 Apache Common Math 和 WEKA 库测试了 DBSCAN。（我的问题不在于哪些库可用于 DBSCAN 的实现）

到目前为止，我已经了解到在 DBSCAN 中有 3 种类型的点（根据维基百科）：核心点、（密度）可达点和异常值。我的问题是我需要提取集群及其边界点或其密度可达点。

你知道任何允许我提取每个集群的密度可达点的 DBSCAN 库吗？

维基百科列出了多种计算正态分布累积概率的数值方法。但是，使用 Apache Commons Math，您不需要了解它们中的任何一个，因为该库只是为您完成了这项工作：

对于一些研究项目，我很想知道他们使用什么方法。有谁知道 Apache Commons Math 使用什么方法来近似正常累积值？是来自维基百科中列出的方法还是他们实现了不同的东西？