问题标签 [probability-distribution]

我有一个包含 683 个样本和 9 个特征的数据集。我想比较每列的两个数据集的 KLDivergence。

它返回不定式，但我认为我做错了什么。在hist_original_dist.pdf(x)函数中，我有一些值，例如 2.65，这些值在 python 中不应该存在于 pdf 中

我正在尝试从一系列示例值中构建一个模糊集python3。

例如，假设[6, 7, 8, 9, 27]我想获得一个函数：

• 0.0从 0 到 5ca返回，
• 逐渐上升到1.0从 5ca 到 6,
• 停留在1.06点到9点，
• 逐渐下降到0.0从 9 到 10ca，
• 停留在0.010ca到26ca，
• 逐渐上升到1.0从 26ca 到 27,
• 逐渐下降到0.0从 27 到 28ca，
• 0.0从 28ca 及之后返回。

请注意，这些y值始终在范围内[0.0, 1.0]，如果一个系列缺少一个值，则y该值为 0.0。

请考虑在最一般的情况下，输入值可能类似于[9, 41, 20, 13 ,11, 12, 14, 40, 4, 4, 4, 3, 34, 22]（值总是可以排序的，但请注意，在这个系列中，值4重复 3 次，因此我希望概率为 1 和所有其他值一个较低的概率值——在这种情况下不一定是 1/3）。

这张图片的顶部显示了绘制到x=16（手绘）的所需函数。我很乐意得到这样的东西。图片的底部显示了一些额外的功能，这些功能很不错，但不是严格强制的：

• 比我的图 (A) 中显示的平滑度更好，
• 累积效应 (B) 前提是……
• 该函数永远不会超过 1 (C) 并且...
• 该函数永远不会低于 0 (D)。

例如，我尝试了一些改编自polyfit、bezier、gauss或其他的方法，但结果不是我所期望的。我也尝试过使用 packagefuzzpy但我无法让它工作，因为它的依赖epydoc似乎与python3. StatModels也没有运气。

谁能建议如何实现所需的功能？提前致谢。

如果您想知道，我计划使用结果函数来预测给定值的可能性；对于上面描述的模糊集，例如，4.0返回 0.0，6.5返回 1.0 和5.8类似 0.85 的值。也许还有另一种更简单的方法可以做到这一点？

这就是我通常处理输入值的方式（不确定是否0需要添加 s 的部分），我有什么节目???来计算所需的f？

一个实际的例子，只是为了澄清这样做的动机......这一系列值可能是人们放弃在售货亭前排队的分钟数......有了这样一个模型，我们可以尝试预测通过知道等待了多长时间，某人离开队列的可能性有多大。然后可以对以这种方式读取的值进行模糊化处理，例如，在happily waiting[0.00, 0.33]、just waiting(0.33, 0.66] 和about to leave(0.66, 1.00] 中)。在这种情况下about to leave，有人可能会被某事（和广告？）吸引来说服他留下来。

我们可以使用Scipy模块绘制常见的概率分布。但是，是否可以使用Statsmodels库执行相同的任务？

例如，Scipy 具有用于二项式分布、均匀分布以及正态分布的内置函数。

同样，是否有任何内置的替代方法可以使用 statsmodels 实现相同的功能？

我需要在 Python 中实现一个类，它代表一个单变量（目前）正态分布。我的想法如下

生成的样本应按照以下概率密度函数分布

我知道scipy.stats并Numpy提供了执行此操作的功能，但我需要了解这些功能是如何实现的。任何帮助将不胜感激，谢谢:)

主持人注意：这不是家庭作业。

我有以下示例：

我想将点随机分配给变量 ($a,$b,$c,$d) 直到 $points 达到零。因此，运行某些函数/脚本后预期的随机输出应如下所示：

我正在考虑做一个简单的解决方案，如下所示：

该函数有 1 个问题：$a 获得更多积分（甚至所有积分）的机会更高，因为它在列表中排名第一，而 $d 获得更少积分（或根本没有积分）的机会更高，因为它是列表中的最后一个。

问题：我怎样才能给所有变量平等的分布机会？

注意：如果其中一个变量获得了所有分数，那很好。

我正在尝试使用 R 绘制伽马分布直方图

所以我有

我之前计算的平均值为

所以我应该用 100 个观测值绘制直方图scale = 10 and shape = 0.5

所以我试过了

我明白了

这是错误的，因为平均值应该是 5，但我的情节没有产生 5

我哪里错了？

我正在模拟有 N 个弹珠的模型，其中有 K 个弹珠是好的。我们从 N 颗弹珠中挑出 n 颗弹珠，并被问及从 n 个挑出的弹珠中恰好有 k 颗是好的概率。

我做了这两种方法：在这两种方法中，我都生成了一个包含 K 个“真”值和 NK 个“假”值的数组。但是在第一种方法中，我打乱了这个数组并选择了 n 个第一个值并计算其中有多少是“真”的。在第二种方法中，我随机选择了一个索引并从数组中删除了该元素，循环了 n 次（当然还计算了我得到的“真实”元素）。

结果分布应该是HyperGeometric(N, K, n)。第一种方法给了我错误的结果，而第二种方法给了我正确的结果。为什么不能选择洗牌数组的前 n 个元素，或者我做错了什么？这是我的 Javascript 代码：

这些是值 N=10、K=6、n=5（模拟 500000 次）的结果图：

黄点是超几何 pmf 的值。

我有一个定义为 P(r, t) 的 pdf。我正在尝试在 python 中定义 pdf，但对程序很陌生，并且不确定我是否正确定义了它。这是我要定义的pdf。1

我正在尝试绘制 pdf，但我不断收到错误消息，所以我想在尝试继续之前确认我上面的内容是正确的。任何帮助，将不胜感激！此外，我使用 G 表示 gamma 函数，并使用 gamma 表示 gamma 变量。

错误来自哪里：我创建了一个 100x1000 的样本，为了简单起见，我让 gamma=2 和 d=1

我正在研究随机微积分，有时我们需要计算一些复杂分布的积分（从 -infinity 到 +infinity）。在这种情况下，它是

答案在右边。这是我放入 Matlab 的代码（我有符号数学工具箱），Matlab 根本无法处理：

最后的这个答案看起来像是胡说八道，而 Wolfram（通过他们的免费工具）给了我上图的答案。我是否遗漏了一些基本的 Mathworks 页面未涵盖的在 Matlab 中进行此类集成的基本知识？我在哪里进行不正确？

随着时间沿 x 轴移动，相应地显示输出值（可能是频率或概率），即随着时间的移动，这些值最初应该增加直到平均值，然后减少。我预先指定了平均 mu=10 和标准差 sigma=2。