问题标签 [bernoulli-probability]

在比较bernoulli_distributions 的默认构造函数（真/假的可能性为 50/50）和uniform_int_distribution{0, 1}（0 或 1 的均匀可能性）时，我发现bernoulli_distributions 的速度至少比它们慢2 倍和 6 倍以上，uniform_int_distribution尽管它们给出了相同的结果。

我希望bernoulii_distribition表现更好，因为它是专门为只有两种结果（真或假）的概率而设计的；然而，事实并非如此。

鉴于上述和以下的性能指标，伯努利分布在 uniform_int_distributions 上是否有实际用途？

超过 5 次运行的结果（发布模式，x64 位）：（请参阅下面的编辑以了解未附加调试器的发布运行）

分析代码：

编辑

我在没有附加调试符号的情况下重新运行了测试，但 bernoulli 的运行速度仍然慢了 4 倍：

这似乎是一个基本问题，但我遇到了麻烦。n给定概率p，在 95% 的置信度下，我需要多少次试验才能取得成功？我试过qbiom()了，但我现在很确定这是错误的选择。

我正在尝试使用伯努利分布在石榴中创建贝叶斯模型，但我不知道如何构建分布并创建条件表。我已经看到了石榴的 Monty Hall 示例，并试图效仿它。以下是我对此事的看法：

这给了我以下错误：

我正在根据单词出现对文本进行分类。其中一个步骤是估计每个可能类别的特定文本的概率。为此，我从 NFEATURES 单词的词汇表中获得了 NSAMPLES 文本，每个都标有 NLABELS 类标签之一。由此，我构造了一个二进制出现矩阵，其中 entry(sample,feature) 为 1 iff 文本“sample”包含由“feature”编码的单词。

从出现矩阵中，我们可以构造一个条件概率矩阵，然后对其进行平滑处理，使概率既不是 0.0 也不是 1.0，使用以下代码（从 Coursera 笔记本复制）：

要查看问题，这里是模拟输入并调用结果的代码：

当我执行此操作时，我得到：

也就是说，所有的概率都是零。这里的某些步骤不正确，您能帮我找到吗？

我们的任务是重新创建著名的公平硬币翻转 (p=0.5)，仅使用bernoulli.rvs()生成具有均匀离散分布的函数（结果 = 0,1,2）。是否可以只使用伯努利函数形式scipy.stats？

假设有 100 个硬币，其中只有 1 个硬币是不公平的。这个不公平的硬币得到正面的概率小于 0.5。我如何设计一个实验来找到不公平的硬币？

我认为一种方法是多次翻转每个硬币（例如，10000 次）。然后将挑选正面数量最少的硬币作为不公平硬币。但是还有其他更聪明的方法可以做到这一点吗？

伯努利是一个概率分布。我需要从指数伯努利采样并返回一个二进制值（即 0 或 1）。我发现了这个算法指数伯努利采样 ，我想实现它，但我不明白算法的第 3 步，其中： r1 = r1 & (2^h - 1 )。有人可以帮忙吗？

我正在尝试分析调查的回复。结果变量名为“reading_proficiency”，具有两个值 0 和 1。数据集有 3,539 个观察值，因此“reading_proficiency”列有 0 或 1 的 3,539 个观察值。

我想了解我是否可以在这里使用二项分布的想法。变量“reading_proficiency”可以是随机变量吗？

我使用的随机变量的定义如下。随机变量是随机决定的具有不同值的变量。换句话说，它是一个随机变化的数值。

“reading_proficiency”的值真的是偶然决定的吗？对“reading_proficiency”的两个观察真的相互独立吗？

如果两个观察来自同一个调查集群，他们可能就读于同一所学校，由同一位教师教授，因此具有相同的“reading_proficiency”。

许多观察来自同一个集群的事实是否会取消“reading_proficiency”作为随机变量的资格？

我在读到“reading_proficency”的每个观察都应该是相互独立的，但调查数据并非如此，或者......？

这是否意味着调查数据不能是随机变量？