问题标签 [cdf]

首先，我不知道教授是否给出了错误的问题。无论如何，我尝试生成F(x)~U(0,1)CDF 的位置F(x)=1-(1+x)exp(-x)（对于此 CDF，您无法x=g(F(x))手动计算）。然后计算根F(x)来实现问题想要的。

0因为从到INF的根范围uniroot()是没有问题的。因此，我用牛顿法来写一个。

然后，我的代码是这样的：

但是，如果F(x)太小，并且在牛顿法中一步，结果可能小于零，那么就会发生错误。此外，我这样修改了我的代码：

显然，代码是错误的，因为我拒绝了接近零的结果。

所以，我的问题是我的代码是否可以修改以计算正确，如果不能，是否有其他方法可以做到。任何帮助表示赞赏。

我们试图在我们的自举散点图上叠加一条 cdf 曲线。到目前为止，这是我们的代码，我们可以根据您的要求提供数据，但是当我们尝试运行我们的 lines 函数时，底部会绘制一条平线。如果有人可以帮助解释如何覆盖适当的曲线，我们将不胜感激。

我想获得高于 x_i 的值 X 的概率，这意味着累积分布函数 CDF。P(X>=x_i)。我试图用这段代码在 Matlab 中做到这一点。

假设数据在列向量 p1 中。

现在我想计算CDF，

我想知道是否有人可以帮助我知道我是否还好或我做错了什么？

我想在同一张图中绘制多个变量的 CDF 图。变量的长度不同。为了简化细节，我使用以下示例代码：

我们可以看到，a3 的长度是 800，与 a1、a2 不同。当我运行代码时，它显示：

那么，如何使用 ggplot2 在同一图中绘制不同长度的不同变量的 cdf 图？期待帮助！

我想为我得到的到达间隔时间绘制一个 cdf，这是数据集：

我尝试了许多在其他主题中发现的建议，但对我没有用，它们是：

另一个是：

我可以使用您的一些帮助和解释，因为我不完全了解 cdf 的工作原理，因此我可以将其应用于我的数据..

谢谢

我有一个矩阵 z(x,y) 这是一个由独特的核密度估计构造的 NxN abitary pdf（即不是通常的 pdf，它没有函数）。它是多元的，不可分离的，是离散的数据。

我不想构造一个 NxN 矩阵 (F(x,y))，它是这个 pdf 的二维累积分布函数，这样我就可以随机抽样 F(x,y) = P(x < X ， y < Y);

从分析上讲，我认为多元函数的 CDF 是 pdf 的表面积分。

我尝试的是使用该cumsum函数来计算表面积分，并使用多元法线对解析解进行测试，两者之间似乎存在一些差异：

特别是错误似乎在最重要的过渡区域。

有没有人对这个问题有更好的解决方案或者看看我做错了什么？任何帮助将非常感激！

编辑：这是累积积分的期望结果，这个函数对我有价值的原因是，当您在闭合区间 [0,1] 上从该函数随机生成样本时，加权值越高（即可能性越大）以这种方式出现的频率更高，样本收敛于期望值（在多个峰值的情况下），这是粒子滤波器、神经网络等算法的理想结果。

我有一个遵循特定分布的数据“zcosmo” 。它有很多波动（即它在某个点略微增加然后变平等，但总体而言它从 0 增加到 0.5）。所以我使用一个遵循数据分布的函数来拟合数据。

This function is the probability distribution lets say of the data. 在这张图片中，拟合给了我一条蓝线，我想将其用作概率分布函数。

现在我理论上知道如何创建遵循这个函数的数据了！

• 1）根据簇红移的分布（拟合函数）计算红移中的选择函数并将其归一化 以具有概率分布，例如p（y）

• 2) 计算概率分布的不定积分 F(y)= sum (from 0 to y) p(y)dy

• 3) 抛出一个在 0 和 1 之间均匀偏离 x 的随机数

• 4) 计算 y = F-1(x)

然后“y”将具有所需的概率分布 p(y)

I am struggling to find a way to do it in Python. Is there a package that does the above??

我想运行一个估计，假设我的变量是根据狄利克雷分布分布的。为此，我需要使用 cdf 函数。对于 R 中的所有分布，有各自的 r,p 和 d 函数产生随机变量，pdf 和 cdf。然而，对于 Dirichlet，我只能找到随机数生成器和 pdf。是否有类似的 R 包提供 cdf？

非常感谢，

我需要以秒为单位读取带有时间戳的长文件，并使用 numpy 或 scipy 绘制 CDF。我确实尝试过 numpy 但似乎输出不是它应该是的。下面的代码：任何建议表示赞赏。

我有以下类型的理论决策模型：

\rhat = \r - \rbar = 与平均值的偏差

如果 \rhat<0: 1/(1+e^((|\rhat|^\delta)/t))

如果 \rhat>0: 1-1/(1+e^((|\rhat|^\gamma)/t))

因此，该模型是一条 S 形曲线，由 γ 和 δ 捕获，不对称于 0 左右。曲线的斜率由 t 决定。

我有 \rhat 的数据，并希望将上述 S 曲线拟合到数据的 CDF 以获得 \delta、\gamma 和 t 的估计值。我通常将此问题视为二元选择问题，但我的数据不是那种类型。它更像是寻找分布参数。我是否应该为此估计恢复经验 cdf 数据，例如使用 Mathematica 的 HistogramList 命令？