问题标签 [probability-density]

在论坛搜索后，我没有找到类似的问题。如果我错过了，请告诉我。我真的很感激。

我需要为 R 中的任何给定形状和比例值绘制截断伽马的 pdf 、 cdf 和分位数函数。但是，我得到了一些形状和比例值的错误。

我的代码：

我的理解是，对于某些 gamma 的 pdf，其截断的 gamma 分布不存在？

任何帮助，将不胜感激！

我正在使用 Matlab 函数“hist”来估计我所拥有的随机过程实现的概率密度函数。

我其实是：

1）取h0的直方图

2) 对其面积进行归一化以获得 1

3) 绘制归一化曲线。

问题是，无论我使用多少箱，直方图永远不会从 0 开始，也永远不会回到 0，而我真的很喜欢这种行为。

我使用的代码如下：

我得到的情节是：

我有一个连续随机变量的已知概率密度。如何使用 C++ 中的 OpenCV 生成遵循此概率密度的点？即，我想做 RNG::uniform 所做的事情，但是对于任意概率分布。提前致谢。

假设有人给我画了一个直方图，我想对其进行平滑处理，并得到平滑函数。他们是在R中这样做的一种方式吗？（直方图不是来自数据，所以核密度估计器似乎不适应。如果你认为我在这方面错了，请告诉我。）

到目前为止，我选择将参数分布拟合到我的直方图。为此，我将直方图和 beta 分布之间的积分平方误差最小化。这是我的代码，其中 h 是支持 [0;1] 的分段常量函数。

R 说：

我不明白为什么 R 不理解 dbeta(x, alpha, beta)。我还尝试了 dbeta(x, shape1=alpha,shape2=beta) 它不起作用。你可以帮帮我吗？

Сan 任何人照亮我的 matlab 程序？我有来自两个传感器的数据，我正在kNN分别对它们中的每一个进行分类。在这两种情况下，训练集看起来像一组总共 42 行的向量，如下所示：

然后我得到一个样本，例如[40 30 50 25 40 25 30]，我想将样本分类到最近的邻居。作为接近标准，我使用欧几里得度量，sqrt(sum(Y ² ))，其中Y是每个元素之间的差异，它为我提供了样本和每个训练集类之间的距离数组。

所以，两个问题：

• 是否可以将距离转换为概率分布，例如：1 类：60%、2 类：30%、3 类：5%、5 类：1% 等。

补充说：到目前为止，我正在使用公式：probability = distance/sum of distances，但我无法绘制正确的cdf或直方图。这以某种方式给了我一个分布，但我在那里看到了一个问题，因为如果距离很大，例如 700，那么最近的类将获得最大的概率，但这是错误的，因为距离太大而不能与任何班级相比。

• 如果我能够得到两个概率密度函数，我想我会做它们的一些乘积。可能吗？

非常感谢任何帮助或评论。

我正在尝试在构面中使用 ggplot 绘制数据的分布/密度。这是我现在所拥有的，红线显示平均值，每个方面都显示平均值。现在在这里，平均值没有意义，我希望有类似的绘图，其中密度中的峰值用 xintercept 和文本显示。
我用于手段的代码是这样的：

用于绘制此图的数据是：

我知道有一些帖子使用 R 来查找值的峰值。但我希望绘制密度的峰值，但我找不到任何解决方案（或者我可能错过了）。是否可以在 R 中即时计算峰值并在不同方面进行绘图？非常感谢您的时间和帮助！

我试图在 R 中绘制卡方分布的密度函数图，其中 28 df 是 x 高于 7.5。

到目前为止，我从我能够收集到的东西中得到了这个：

但是绘图似乎不起作用._。

我目前正在尝试实现一种生成TSP art的方法，为此我需要一个点列表 (x,y)，其局部密度与给定图像的灰度像素值成正比。

我的第一个想法是：这很像统计的逆变换采样（您想绘制一个与给定概率密度函数匹配的样本，但您只能创建一个均匀分布的样本）。

我实现了这一点，它工作得相当好，通过执行以下代码可以明显看出：

它的缺点是我只能按行或按列使用，但不能同时使用。逆变换采样方法通常不适用于多变量 PDF，我很确定在这种情况下我无法让它工作。

有没有一种简单的方法可以实现我尚未见过的目标？

我知道一种称为 Voronoi Stippler 的算法已用于创建所需的结果，我将对此进行调查，但目前我喜欢逆变换采样的简单性，并想知道我是否可以扩展该方法以满足我的需要.

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??

我有一组真实数据，我想使用这些数据找到概率分布，然后使用它们的属性根据它们的 pdf 生成一些随机点。我的数据集示例如下：

我怎么能这样做？我的第一次尝试是将多项式拟合到分箱数据并找到每个幅度分箱中权重的概率分布，但我认为这可能是一种更聪明的方法。例如，scipy.stats.rv_continuous用于从给定分布中采样数据，但我不知道它是如何工作的，并且没有足够的示例。

更新： 由于我有很多评论要使用KDE，我使用scipy.stats.gaussian_kde并得到以下结果。

我想知道表示我的数据属性是否是一个好的概率分布？首先，我该如何测试它，其次，是否有可能适合多个高斯 kdescipy.stats？