问题标签 [bernoulli-probability]

在 R 软件中，我正在尝试为不同样本大小的伯努利试验生成模拟图，如下所示

我已经为给定的样本量生成了比例，并重复了这个过程 1000 次。但我不明白，如何将图形绘制为给定的图形。

我在一个非常基本的问题上遇到了一些问题。我试图找到任何有相同问题但找不到的线程。

我试图弄清楚如何根据我为每个观察生成的概率（z ）生成伯努利变量（ y ）。我生成了下面的虚构数据集来代表我的问题。

我想添加变量y，它是基于变量z的概率的二进制变量。

我尝试了以下方法：

但似乎它为所有观察赋予了相同的价值，而不是基于观察自身的概率。

有谁知道如何解决这个问题？

谢谢！

我有一个二进制 numpy 矩阵，我想随机关闭 30% 的矩阵，其中关闭 30% 意味着用 0 替换 30% 的 1。一般来说，我想这样做很多次，所以如果我这样做 5 次，我希望最终矩阵有 100*(1-0.3)^5 = 16% 的原始矩阵，最初都是 1。

重要的是我想关闭 30% 的活动位（一），而不是关闭整个矩阵的 30%（一和零，关闭零只是零）。

我想出了一个方法来做到这一点，但它似乎没有实现上述目标，因为在关闭 30% 的 5 个会话之后，矩阵是 23% 1s 而不是 16% 1s。

为了通过示例进行说明，我的方法如下：

上面的代码给出了一个新矩阵，如果一个位为 0，则保持为 0，如果为 1，则在 30% 的时间内关闭。

在这个小例子中，一切似乎都很好，因为我已经删除了 30% 的那些（我有 10 个，现在我有 7 个）。但我认为我的方法不能很好地推广到大型矩阵。我相信这是由于以下原因：

尽管 Bernoulli 试验应该是相互独立的，但 numpy 可能会试图确保总体而言，所有试验中有 30% 是 Tails。但是在我的代码中，“所有试验”等于整个矩阵的大小，而不是矩阵中的数量，这就是导致问题的原因。

什么是清除 30% 的活动位而不是 30% 的所有位的一种干净的 Python 方式？

问题摘要：

为什么我的样本密度与 pmf 如此不同，我如何执行此模拟以使 pmf 和样本估计值相似。

问题：

我模拟了一个独立的伯努利试验样本，使用scipy. 我现在正在尝试获取我创建的样本的密度直方图，并将其与 pmf（概率质量函数）进行比较。我希望密度直方图显示两个箱，每个箱都在 pmf 附近徘徊，但相反，我在 pmf 值 5 上方有 2 个箱。有人可以告诉我如何创建不为伯努利执行此操作的密度直方图吗？我用其他一些发行版尝试了类似的模拟，它似乎工作正常。我在这里缺少什么，你能告诉我如何操纵我的代码来完成这项工作吗？

如果这是一个简单或微不足道的问题，我必须道歉，但我在网上找不到解决方案，发现这个问题很有趣。任何帮助将不胜感激。

使用 R，从 Bernoulli(p) 生成数据，用于各种样本大小（n = 10、15、20、25、30、50、100、150、200），对于 p = 0.01、0.4、0.8

我知道如何使用 rbinom 函数来处理一种情况。就像第一个场景一样：rbinom(n=10, size=1, p=0.01)。

我的目标是构建一个可以计算所有这些场景的函数，从而阻止我单独完成所有这些场景。

我有一个数据框，其中每一行都包含一个字符串列表。我编写了一个函数，对每个字符串执行伯努利类型的试验，如果试验成功，每个单词都有一定的概率（这里为 0.5）被删除。见下文：

当我传递数据帧的每一行时，这按预期工作，根据：

但是，我现在要做的不是在每个子列表和每个字符串中统一应用函数，而是对（a）给定子列表是否将传递给函数（是/否）和（b）应用条件将应用该子列表中的字符串（即通过指定我只想测试某些颜色）。

我认为我对（a）部分有一个可行的解决方案 - 通过将伯努利函数包装在一个检查是否满足给定条件的函数中（即子列表的长度是否大于 2 个对象？） - 这有效（见下文）但我不确定是否有更有效的（阅读更多pythonic）方法来做到这一点。

请注意，任何不满足条件的子列表应保持不变。

但是，我完全不知道如何对每个单词应用条件逻辑。例如，假设我只想将试验应用于预先指定的颜色列表 ['red','mauve','black'] - 前提是它通过了子列表条件检查 - 我该怎么做呢？

我希望实现的伪代码如下所示：

我知道对此的字面解释是行不通的，因为最初的 bernoulli_trial 函数接收一个列表而不是单个字符串。但希望它描述了我想要实现的目标。

根据伯努利（p），我想计算各种样本大小（n = 10、15、20、25、30、50、100、150、200）以及 p = 0.01 时的每个样本大小的覆盖概率， 0.4 和 0.8。

这是我的尝试，但除了 p=0.01 外，其他地方都显示为 0

我需要我的程序来模拟能够改变 p 的伯努利 (p) 随机变量。如果我这样写

它工作得很好。但是我需要更改参数 p，所以我决定创建一个函数，它需要一些切换器，根据切换器模拟带有参数的随机变量，并返回 true 或 false。这是我的代码：

主体中的 for 循环计算 1000 次尝试中的成功次数，我希望它在 100 左右，但我确实得到了奇怪的结果。太多的零和大数字。

所以我的问题是为什么 coin(prob) 在传递到函数的输出时会中断？

另外，如果您有好主意，我将不胜感激有关如何使用不同参数 p 模拟伯努利 rv 序列的任何建议（例如，我们处于一个循环中，其中 p 取决于计数器 i）

感谢您的时间

我想使用 R 随机生成一个整数序列，每个整数都是从整数池（0,1,2,3....,k）中挑选出来的，并进行替换。k 是预先确定的。(0,1,2,3....,k) 中每个整数 k 的选择概率是 p ^k (1-p)，其中 p 是预先确定的。也就是说，与 k 相比，选择 1 的概率要高得多，并且我的最终整数序列的 1 可能比 k 多。我不确定如何在 R 中实现这个数字选择过程。

假设我有一枚硬币以概率 P 正面朝上。要进行的实验是继续掷硬币 x 次。这个实验要重复 1000 次。

问题是否有一种有效/矢量化的方法来生成随机 1（概率为 P）和 0（概率为 1-P）的数组？

如果我尝试这样的事情：

整个数组填充了相同的选择。我见过涉及固定比例的零与一的解决方案。

但是，我不确定如何使用此设置保持实验的随机性。

目前我只是按如下方式循环遍历每个迭代，但是一旦实验数量变大，它就会非常慢。

（实际实验涉及在两个连续的头被翻转时终止每个试验，这就是为什么代码中有一个while循环。为了使问题具体，我不想在这里解决这个问题。）

任何见解将不胜感激，谢谢！