问题标签 [probability-density]

我想从向量中的“e”edges_in_sorted_order 中概率性地选择“n”条边。但我想在选择时使用概率。而且我也不想在开始时选择大边缘。

所以它就像在开始时对较小的边缘给予更多的权重，当我采取边缘时，我也会对更大的剩余边缘给予越来越多的权重。

我应该选择 n 和 e 的什么概率函数？

我想创建一个脚本，用户可以在注册电子邮件后使用它来生成 pin。PIN 码必须是 6 位数长且唯一；没有两个用户可以拥有相同的 pin。

我有以下代码，但是除了陷入无限循环之外，我无法继续前进。随着更多引脚的使用，循环 while() 函数的概率会增加。有没有人对此有更优雅的解决方案的想法？

用户使用他们的 pin 从网站访问免费服务。如果用户猜到另一个密码，服务不会失败，但会破坏用户体验。

如果可能的话，我想以这样一种方式分配 PIN，以便在统计上猜到 pin 的概率可以忽略不计。

我有一个通过scipy.stats.gaussian_kdex,y获得的点分布。这是我的代码和输出的样子（数据可以从这里获得）：KDEx,y

带有坐标的红点（与 2D 图中的每个点一样）具有由（内核或）给出的 0 到 0.42 之间(x1, y1)的关联值。让我们这么说吧。fKDEf(x1, y1) = 0.08

我需要与那些评估为小于f的区域中的积分限制相结合，即：.xyff(x1, y1)f(x, y)<0.08

对于我所看到python的可以通过数值积分来执行函数和一维数组的积分，但是我还没有看到任何可以让我在二维数组（f内核）上执行数值积分的东西此外，我不确定如何我什至会识别该特定条件给出的区域（即：f(x, y)小于给定值）

这完全可以做到吗？

我想知道是否有人可以解释 scipy.stats 中的以下函数的作用：

我已经阅读了文档，但我仍然感到困惑。

这是我的任务，理论上很简单，但我仍然对这些函数的作用感到困惑。

所以，我有一个区域列表，16383 个值。我想找到变量 area 取较小值（称为“inf”）和较大值“sup”之间的任何值的概率。

所以，我的想法是：

这样我就可以得到任何区域在 sup 和 inf 之间的概率。

任何人都可以通过简单的方式解释函数的作用以及如何计算 f(a) 在 inf 和 sup 之间的积分的任何提示来帮助我吗？

谢谢

布莱斯

累积密度函数的精确导数是否是概率密度函数（PDF）？我正在使用 计算导数numpy.diff()，这是正确的吗？请参见下面的代码：

如果是这样，我如何缩放导数以等效于 PDF？

我想在不使用MATLAB 库中存在的“ geornd ”或“ randn ”函数的情况下生成几何或高斯分布的随机数。如何仅使用用于生成均匀分布的随机数的“ rand ”函数来生成具有这些分布的随机数。我想这样做是因为均匀分布是最基本的分布类型，并且可以从此分布生成任何其他分布。一个小代码示例将非常有帮助..!!

我试图用对数轴在概率密度函数上绘制一条最佳拟合线。Y 轴 (PDF) 为 10^-12 至 10^-28，而 X 轴为 10^10 至 10^20。我试过polyfit，没有运气。有任何想法吗？附上我的代码。

谢谢，凯文

我需要使用高斯执行卷积，但是高斯的宽度需要改变。我不是在做传统的信号处理，而是我需要根据我的设备的分辨率采用我完美的概率密度函数 (PDF) 并“涂抹”它。

例如，假设我的 PDF 一开始是一个尖峰/增量函数。我将其建模为一个非常窄的高斯。通过我的设备运行后，它会根据一些高斯分辨率被涂抹掉。我可以使用 scipy.signal 卷积函数来计算它。

这一切都没有问题。但是现在假设我的原始 PDF 不是一个尖峰，而是一些更广泛的功能。例如，sigma=1.0 的高斯分布。现在假设我的分辨率实际上在 x 上变化：在 x=0.5 时，拖尾函数是 sigma_conv=0.5 的高斯函数，但在 x=1.5 时，拖尾函数是 sigma_conv=1.5 的高斯函数。并假设我知道我的涂抹高斯的 x 依赖性的函数形式。天真地，我以为我会将上面的行更改为

但这不起作用，因为 norm 函数需要一个宽度值，而不是函数。从某种意义上说，我需要我的卷积函数是一个二维数组，其中我的原始 PDF 中的每个点都有不同的拖尾高斯分布，它仍然是一个一维数组。

那么有没有办法用Python 中已经定义的函数来做到这一点？我有一些我自己编写的代码来执行此操作....但我想确保我不只是重新发明了轮子。

提前致谢！

马特

我正在尝试将伽玛分布拟合到我的数据点，我可以使用下面的代码来做到这一点。

我想使用许多这样的小伽马分布来重建一个更大的分布（更大的分布与这个问题无关，只是证明我为什么要尝试拟合 cdf 而不是 pdf）。

为了实现这一点，我想将累积分布而不是 pdf 拟合到我较小的分布数据中。—更准确地说，我只想将数据拟合到累积分布的一部分。

例如，我只想拟合数据，直到累积概率函数（具有一定的比例和形状）达到 0.6。

有什么想法fit()用于此目的吗？

我一直在使用 Matlab 的ksdensity函数来估计我拥有的一些非参数分布的逆经验累积分布函数。

我决定试一试 R，但我找不到ksdensity(x,'icdf'). http://www.mathworks.com/help/stats/ksdensity.html

任何想法？我将不胜感激！

胡安·S。