问题标签 [gauss]

我正在尝试编写附加到高斯概率密度函数数组值的代码。我设法写了这个（基于附加到列表）：

但它向我显示“索引 0 超出轴 0 大小为 0 的范围”错误。有人可以向我解释为什么，我能做些什么来解决它？

这是我使用高斯算法的代码，它似乎在“def MEG”中工作，但是在“def MEGPivoting”中，当我尝试用带有旋转的高斯算法交换我的行并打印新矩阵时，它打印出看起来像矩阵原来的。为什么？是for cicle有问题还是其他问题？为什么新矩阵是第一个的副本？

我已经安装了 GNU 包。在我的 Dev-CPP IDE 中给出库和头文件的路径。但是当我尝试运行一个包含 GSL 头文件的程序时，它显示链接器错误。该怎么办？

我正在尝试编写一个程序，该程序将使用高斯滤波器从图像中去除噪声。我正在尝试编写以下代码：

但我没有消除噪音，而是让图像变暗。我做错了什么？

高斯噪声是概率密度等于正态分布概率密度的统计噪声，也称为高斯噪声。换句话说，这种噪声可以取的值具有高斯分布。以卡尔·高斯命名。

一种特殊情况是高斯白噪声，那么任何给定时间的值都是独立且均匀分布的随机变量（这意味着它们一起不相关）。在对通信信道进行测试和建模时，使用高斯噪声作为加性白噪声来生成加性高斯白噪声。

在电信领域，通信信道会受到来自各种自然来源的宽带高斯噪声的影响，例如导体中原子的热振动（热噪声或约翰逊-奈奎斯特噪声）、散粒噪声、来自地球或其他温暖物体的黑体辐射，以及来自天体，例如太阳

所以我正在研究一个有两个部分的问题。我确实在以下帮助下完成了第一部分：这个有用的论坛。一些机构已经尝试解决问题的第一部分，我拿走了他们的代码。

问题：

1. 在 Maple 中编写一个 proc（这里我将其命名为“reduced”），用于计算矩阵的简化梯形形式。
2. 编写一个使用“reduced”计算矩阵逆的过程。

第一部分的代码（代码经过测试，我声称它运行正确）

和主要过程：

如果您需要有关上述代码的任何其他信息，我会解释更多。

对于第二部分，我正在考虑使用高斯乔丹算法，但我有一个问题：我不能使用单位矩阵作为“减少”中的参数。因为它在行和列中有 0。

您知道如何在我的 proc 的帮助下实现 Gauss Jordan 算法：减少吗？

我遇到的e问题是行减法的正确答案，但是，当是 set a[j] = e，然后a[j]变成[0,0,0]而不是[0,0.5,0.5].

我正在尝试根据图像 s(t) 中显示的方程绘制高斯和，但我一直收到错误。你能告诉我我做错了什么吗？

我需要一些帮助来理解这个名为“numpy.polynomial.hermite.hermfit(x, y, deg, rcond=None, full=False, w=None)”的 numpy 函数：https ://numpy.org/doc/stable/参考/生成/numpy.polynomial.hermite.hermfit.html#numpy.polynomial.hermite.hermfit

它在文档中说它需要数据并与 Gauss-Hermite 多项式进行拟合，然后给出系数的值。我想知道以下内容：

1. 他们正在拟合数据的 Gauss-Hermite 多项式的实际表达式是什么？
2. 文件指出，系数是根据输入到函数中的程度返回的。这是否意味着如果 deg=2，返回的答案是 h1 和 h2？或者如果 deg=4，它们是 h1,h2,h3,h4？文档中的工作示例没有明确说明这一点。

非常感谢。

我是 Python 新手，想弄清楚数值积分是如何工作的。例如，假设我对 X 平方的期望值感兴趣，其中 X 是正态分布，均值为 0，方差为 9。显然，X 平方的期望值是 9。我尝试使用以下代码得出这个结果：

但这显然是错误的。我究竟做错了什么？