问题标签 [geometric-mean]

我不知道如何处理有一些缺失值的二维数组 [股票收益]。

我想获得每一行的几何平均值[每个月的平均回报]。在我有缺失值的那几个月里，我得到了几何平均值的缺失值。

一种方法是用 1 或均值之类的值填充缺失值，但我不想弄乱均值。

任何建议如何仅根据不缺失值计算每个日期的 gmean？

我想在opencv（python）中的图像上应用几何平均滤波器。是否有内置函数或者我应该自己实现过滤器？在opencv中实现非线性滤波器的最有效方法是什么？

对于一个向量（一组数字），其乘法或除法将超过 double 和/或 decimal 类型的最小值或最大值，如何计算几何平均值和调和平均值？

我发现的任何现有实现都没有考虑到这一点（即他们可以计算一个小集合，但不能计算一个大集合）。

我试图每 10 分钟计算一列的几何平均值。

我的样本数据是..

我已经尝试使用 dplyr 函数，但下面的代码不会每 10 分钟产生一次值，而是产生一个几何平均值和一个几何 sd 值。

数据格式本身是可以的，因为下面的聚合函数很好，尽管它不会创建几何平均值。

我需要有关计算某些数据的加权几何平均值的优化和性能问题的帮助。

我用一个小样本来介绍这个问题。我为下面的简单示例编写了计算 WGM 的代码。

现在解决一般问题：

假设我有一个大小为 nxm 的新 A 矩阵 和一个由权重列组成的 W 矩阵，其中权重值可以从 0 到 k 并且我需要所有列排列。

也就是说，W 矩阵的大小为 nxk^n，因为权重的性质和加权几何计算应该减少这个最终矩阵，不包括表示乘以从 0 到 k 排列的标量值的列。

因此，如果我已经有一个像 [1, 1, 0] 这样的列，它应该排除所有 t*[1,1,0] 并且 t 从 0 到 k。另一个例子：[1 2 3] 应该排除 [2 4 6] 或 [3 6 9] 等等。

基本思想：W 矩阵的每个生成列都可以归一化每个权重除以 k，因此如果新的归一化列是冗余的，则不应添加然后转换回 uint8 列以将内存消耗减少到 12.5%。

因此，考虑一个真实的数据示例假设：

1. 我有一个 32x30 的静态 A 矩阵。
2. 权重值从 0 到 99。
3. 我需要一种方法来创建大小为 32x100^32 的 W 矩阵并对其进行优化。
4. 计算优化的原始 WGM 100^32x30 矩阵，其中每一行是 A 矩阵和相应 W 列的计算结果。

所以要解决的问题是：

• 在大小和性能方面创建优化的权重矩阵。
• WGM 矩阵的计算。
• 一种分配和分区这些矩阵以避免内存问题的方法。
• 将 Matlab 代码转换为 GPU 代码以在Cuda 设备（1080 GTX 和 8 GB 视频内存）上进行计算。
• 以有效的方式存储最终矩阵。

补充资料：

加权几何平均值矩阵数据将通过一组更严格的规则进行验证，因此不符合要求的行将被丢弃，对于最终的 W 矩阵也是如此，其中相应列将发生消除。

这可以在创建 2 个矩阵时更早地进行评估，以找到优化内存消耗同时可能降低性能的解决方案。

我正在尝试计算几何平均值并为一组参数找到它的最大可能值。我正在对两个分布进行卷积（我认为，不确定英语中的术语），其中一个是我的方程的概率密度函数，并且想要找到几何平均值最高的参数集。我将尝试注释我的代码，以便更清楚我在做什么。我这样做是为了确定某个物种在某些情况下的最佳生态位宽度。适应度取决于物种性状与环境标准差之间的匹配以及sdH权衡函数。

但是，如果我更改其中一个参数，它会更改完整的输出，即使我不希望它这样做。也许我忽略了一些错误，或者这确实是可以预料的，我的期望是错误的，但我无能为力。也许有人知道如何做到这一点？

这是我在以下代码中使用的第一组参数：

这会产生我期望的结果：

但是，当我只更改范围sdH=seq(1,10,0.02)并保留其他所有内容时，结果会发生变化。我突然在第二列中有值，我之前有预期的零：

我希望第 2 列中的值保持不变，但不知何故他们没有。这更进一步，当我把sdH= seq(1,15, 0.02)我什至在第一列中得到非零值时：

有谁知道，是什么原因造成的？我实际上想上升，sdH= seq(1,30, 0.02)但当我不知道为什么会发生这种情况时，我不能相信我的结果。

我正在尝试实现一个递归函数，但这计算量太大。我认为有一些方法可以将递归函数简化为几何（或算术）系列。

如果可以简化，那么我可以编写简化的公式。

我的假设情况是这样的：

我有 4 个候选人，每个候选人从给定的数组中连续选择一个数字。数组里面有8个值，在数组中选取任意一个值的概率都是一样的（即1/8）。

因此，在时间 = 0 时，候选 1 随机选择一个数字。如果该数字 = X（例如 6），则循环停止。如果候选人 1 没有选择 X，则转到候选人 2，候选人 2 随机选择一个数字。如果该数字 = X，则循环停止。如果所有 4 个候选人都没有选择 X，那么它会回到候选人 1，重新开始。

给定 4 个人（或 N = 4 个连续的候选人），以及每个时间片的 8 种可能性，我试图计算两个场景

1. 第一个人（例如候选人 A）是第一个获得 X（我指定的某个值）的人的概率是多少。同样，第二个人（例如 B）是第一个获得 X 的人的概率是多少？

2. 人 A（第一人）击中 X，然后人 B 击中 X 的概率是多少。

编辑：问题不在geoMean函数内，而是错误使用了aggregate()，如评论中所述

我正在尝试计算几种不同物种的多次测量的几何平均值，其中包括 NA。我的数据示例如下所示：

当我尝试使用 EnvStats 包中的内置函数 geoMean 计算物种 Ae 的几何平均值时，如下所示

它工作得很好并且跳过了 NAs 给我每个物种的几何平均值。

然而，当我对我的大型数据集执行此操作时，即使有例如 10 个数值且只有一个 NA，该函数也会在 NA 上绊倒并返回 NA 作为结果。例如，列 SLA_mm2/mg 就会发生这种情况。我的大数据集如下所示：

和我的代码的结果

是（只有前两行）：

此处，Ae 的 SLA 几何平均值为 NA，即使有 9 个数值测量值且用于计算几何平均值的列中只有一个 NA。

我尝试使用这里建议的几何平均函数： 几何平均：有内置的吗？ 但是当与我的大数据集一起使用时，这不是 NA，而是返回值 1.000，这并不能解决我的问题。

所以我的问题是：我的示例 df 和使 geoMean 函数偏离轨道的大数据集有什么区别？

我有一个数据集，我想为其计算几何平均值和自举置信区间。数据具有“状态”和“索引”，范围从 0 到 1。

我想知道：（a）是否有一个选项fun.y = mean可以用 ggplot2 中的特定几何平均函数替换？

(b) 给定这个平均值，如何使用 ggplot 绘制适当的置信区间？

这是我试图计算的代码。

我需要编写一个程序来计算 10 个变量的算术平均值和几何平均值。当我在程序上运行测试时，当存在包含零的数字时，它无法计算几何平均值，例如系列：3 2 1 0 0 0 2 1 1 8; 输出应该是 1.9195

*（当所有变量都为0时，输出应该是没有答案，但是当除了其他数字之外还有零时 - 它应该排除它们并只计算自然数）