问题标签 [binomial-cdf]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 从“部分”二项分布中进行有效抽样
我想从二项分布 B(n,p) 中采样,但有一个额外的约束,即采样值属于 [a,b] 范围(而不是正常的 0 到 n 范围)。换句话说,我必须从二项分布中采样一个值,因为它位于 [a,b] 范围内。在数学上,我可以将这个分布 ( f(x)
) 的 pmf 用二项分布的 pmfbin(x) = [(nCx)*(p)^x*(1-p)^(n-x)]
写成
从该分布中采样的一种方法是对均匀分布的数字进行采样并应用 CDF 的倒数(使用 pmf 获得)。但是,我认为这不是一个好主意,因为 pmf 计算很容易变得非常耗时。
在我的情况下,的值n,x,a,b
非常大,这种计算 pmf 然后使用统一随机变量生成样本的方式似乎效率极低,因为nCx
.
实现这一目标的好方法/有效方法是什么?
discrete-mathematics - 在 IP 地址分配中使用二项式定理
我目前正在为我的学期制作一个关于二项式定理/分布的项目。我需要在我的项目中添加一些非常有趣的现实生活应用程序(我需要添加对该应用程序的深入解释)。我遇到了这些应用程序:
Internet 协议地址(或 IP 地址)
的分配 这种方法在 IP 分配条件下,如果给定的固定主机的 IP 地址和主机数量大于总四舍五入,那么您可以使用该定理分配比特,以便所有主机可能包含在 IP 寻址中。这种方法称为可变子网。天气预报
此外,二项式定理用于预报服务。灾害预测还取决于使用二项式定理
但我在任何地方都找不到第 1 点的解释。我知道这有点蹩脚,但如果你们中的任何人都可以详细解释它,或者如果你们可以简单地向我解释二项式定理/分布的其他一些现实生活应用,我将非常感激!
r - 估计与观察到的泊松分布和二项分布之间的比较不会产生足够的结果
Pearson 的卡方检验数据:table(emp1) 和 table(est1) X-squared = 8.9722, df = 12, p-value = 0.7053
Pearson 的卡方检验数据:table(emp2) 和 table(est2) X-squared = 8.9722, df = 12, p-value = 0.7053
是否有一些解释为什么我在泊松和二项式负分布之间的卡方检验(重复多次)中具有完全相同的 p 值?我预计负二项式分布超过 0.05,泊松分布 <0.05,但这不会发生。
julia - Julia,将数组的选定元素转换为具有二项式频率的新数字
我正在尝试独立选择满足条件的数组元素,然后以给定的频率将这些元素转换为不同的值。在 R 中我会使用 rbinom,但在 Julia 中找不到正确的函数。MWE:
但我不知道该怎么做是用二项式概率(可能是伯努利?)的转换,例如,0.66 所以转换a
后可能最终为
我想我想要的是这样的:
这样从 3 转换为 9 的概率是 0.66。所以 66% 的时间它会将 3 转换为 9,而剩下的 33% 则将其保留为 3。有意义吗?
我想对 3 的每个实例独立进行评估,而不是提取所有 3 的索引向量,然后计算有多少以概率转换(如果这有任何意义?!)Thx J
random - Julia,在 R 中复制“rbinom()”的函数
我已经挖了谷歌,但没有找到一个例子。我确信 Julia 具有强大的功能(在基数中?)以给定的概率生成随机二项式(伯努利?)“成功”。我找不到它或弄清楚如何在 Julia 中做相当于:
谢谢。Ĵ
r - 在 R 中获取二项式 GLMM 预测的置信区间
我一直在关注Ben Bolker 的小插曲,使用 GLMM 预测获得置信区间predict.merMod
,使用模型矩阵手动推导 SE。到目前为止,这对泊松、负二项式和类似模型都有效。但是,我现在正在使用一个二项式模型,其中响应指定为cbind(successes,failures)
. 我对响应量表上的预测感兴趣,但获取置信区间的方法失败了,因为预测输出是成功概率的形式,而不是成功和失败变量的组合。
复制 Ben 在他的小插图中“预测的预测和/或置信度(或预测)区间”的“lme4”部分给出的示例:
对于没有提供相关的二项式示例数据集,我深表歉意,但我的问题只是弄清楚如何将此代码调整为二项式模型,因此非常感谢对此的建议(可能使用虚拟对象名称)!论坛上有很多专门针对逻辑回归的帖子,但这无济于事,因为逻辑模型中的响应变量是单个变量。标记为“二项式”的少数帖子处理二项式数据,而不是二项式混合模型的预测。
这是我在执行模型矩阵步骤(虚拟名称)时遇到的错误:
cbind 中的错误(成功,失败):找不到对象“成功”
还有另一种方法可以做到这一点吗?
r - R绘图比例问题 - ggplot制作看起来像表格的绘图
我正在尝试根据一个序数和一个连续变量绘制二项分布(是/否)的比例图。不知何故,当包括连续的点作为点的颜色时,情节的外观发生了根本性的变化。有人可以帮助我如何包含第三个变量而不使情节变成下表的结果吗?
代码如下:
如果我做p + geom_point()
我得到以下图片:
但是当我尝试通过着色来区分第三个变量时p + geom_point(aes(colour = arsenic))
我得到了这个看起来很奇怪的东西:
r - 准二项分布 (QBD) 的分位数比较图
准二项分布,虽然类似于二项分布,但有一个额外的参数 φ(限于 |φ|≤min{p/n,(1−p)/n}),它试图描述不能只能用二项分布来解释。基于这些属性,我想qqp
在car
包或另一个包中为准二项式分布(QBD)制作glm()
分位数比较图(观点)。在我的例子中:
请问,这个问题有什么帮助吗?
r - 二项分布的置信区间:使用`qbinom`和`binom.test`的不同结果
qbinom
我希望使用and计算比例的 CI 的结果相同binom.test
,但它们实际上略有不同:
我在这里想念什么?
python - 计算具有上限和下限的 a/b 测试的置信度
我在 ab 测试中有两个二项式,我试图使用上限、下限和实际来调用哪个是更好的选择。
((0.288, 0.34), 0.31)
((0.36, 0.37), 0.37)
显然,这里的 b 将 99% 是显而易见的选择,但是如果上下交织在一起呢?有没有办法计算哪个更好以及有什么信心?