问题标签 [bernoulli-probability]

假设以下实验：执行相同的伯努利试验（成功概率为 P）N 次

我需要以下信息：所有可能的成功/失败序列及其发生概率。

示例：成功概率 P = 40% 执行 3 次的伯努利实验将产生以下结果（S 为成功，F 为失败）：

FFF 0.216

SFF 0.144

FSF 0.144

SSF 0.096

FFS 0.144

SFS 0.096

FSS 0.096

不锈钢 0.064

我试图暴力破解它以获得结果，但它仅在 N = 25 的情况下迅速窒息，我得到了 OutOfMemoryException ...

我需要能够及时支持最多 N = 3000（任何 P 不到 3 秒即可获得结果）

有没有一种数学方法可以最佳地做到这一点？

例如我有一个像这样的数组：

和功能：

如果我调用这个函数，它应该'name'根据'percent'值返回项目。基本上，如果我调用这个函数 100 次，它应该返回item110 次、item220 次、item330 次、item440 次。

我刚刚开始使用 Octave 并试图模拟二项式随机变量的 10,000 个结果，定义为：

X ~ Bi(5, 0.2)

我用以下函数绘制了结果：

然后我用generate_binomial_bernoulli(5, 0.2, 10000).

这是模拟 5 次伯努利试验，每个试验的成功概率为 0.2，重复 5 次试验 10,000 次，并绘制成功次数分布图。该图显示了模拟的经验结果。

我现在还被要求绘制理论结果，我最好的猜测是在 x 轴（0.2 * 5 = 1）上围绕 1 个成功的正态分布图。

1. 我怎样才能创建这个图，并将其显示在同一个直方图上？
2. 我怎样才能正确地显示我的图表，其中 x 轴仅从 0 到 5，两个轴都标有标签，两个直方图用图例进行颜色编码？

编辑

这是我当前尝试绘制归一化/理论曲线的函数：

如下图，这条曲线只沿着y轴延伸到一个非常低的高度，但我不知道如何跨越整个数据集。

我正在尝试编写一个函数来生成5 个伯努利试验的m个随机模拟。我创建了一个直方图，显示了m次模拟中成功次数的分布。

然后，我还需要绘制一条线，显示围绕理论平均成功次数的理论/归一化分布。

这是我现在的功能：

当函数被调用为

我希望看到一个红色直方图显示 100 次模拟的结果（经验结果），然后是一个蓝线图，围绕 1 次成功的平均值进行归一化（理论结果）。

这是生成的图表：

经验结果正确显示，但理论图仅延伸到 y 轴上非常低的值的高度。

我的功能哪里出错了？

作为作业的一部分，我被要求编写一个 Octave 函数，它将以两种不同的方式生成参数p = 0.55的几何 RV X的m个伪随机结果：

1. 直接使用房车的cdf
2. 利用变量是使用独立的伯努利实验产生的事实。

对于2，我的想法是：

• 创建一个m次迭代的循环
• 创建一个重复的内部循环，直到有一个成功的试验
• 在内循环中有一个计数变量，用于计算成功之前有多少次失败，并为外循环的m次迭代中的每一次存储此计数。

但是，我对第一部分很迷茫，甚至很难通过“直接使用随机变量的 cdf”来理解这个问题的含义。

编辑

这是我到目前为止所做的：

编辑 2

geoinv是我需要的功能，而不是geocdf. geocdf(u, p)从 cdf for 的 value 中返回概率u，带参数p，反之geoinv(u, p)则返回一个给定概率u和参数的随机值p。

我的任务是编写函数，为每个类返回 P(y|x) 分布（使用朴素贝叶斯分类器）。结果是 N x M 矩阵。

输入数据

当前代码

到目前为止，我的尝试，如果有人可以尝试使用数学逻辑，因为我必须错过一些东西，因为提供的测试没有通过。

我尽力了，但我的数学逻辑一定有错误。

我有一个非常基本的 pymc3 GLM Bernoulli 模型，想知道为什么这些值为负数？我一定做错了什么，但我希望能够用模型做出预测。

如果值为负，我将如何进行预测？我希望给出一个x值，使用模型并获得概率。谁能向我解释如何做到这一点。

我正在使用 Unity 2017.2。Infer.Net框架需要 .NET 4.0，而 Unity 只能使用面向 .NET 3.5 的程序集。我怎么做？

如何在 TensorFlow 中初始化变量？

我想将每个权重与伯努利分布相关联：

• 以 p 获得某个值 x1 的概率，并且
• 以 1-p 的概率获得某个值 x2。

我应该如何初始化这个矩阵？

我写了这段代码：

2in的[n_input*n_hidden, 2]意思[p, 1-p]。

我正在对 Twitter 数据进行情绪分析。我尝试了几个朴素贝叶斯模型，如基线朴素贝叶斯、多项式 NB、伯努利 NB、半监督 NB。我的问题是了解我们是否可以通过以下两种方式组合模型来提高性能？

1. NB+MNB+SSNB
2. NB+BNB+SSNB

谢谢