问题标签 [probability-theory]

如何以保形方式使用scipy.stats.kde.gaussian_kde和？scipy.stats.kstest

例如，代码：

给出以下答案： (0.5396735893479544, 0.0)

这是不正确的，因为样本显然属于在该样本上构建的分布。

最近几天我一直在处理这个问题，但我还看不出问题出在哪里。

我正在尝试在具有特定平均值 ( ) 和偏差 ( )f(q,r)的高斯分布中使用 2 个变量对函数进行加权。这是必需的，因为理论函数在实验分析时其变量具有一定的分散性。因此，我们使用概率密度函数来衡量我们在变量中的函数。g(r)R0sigmaf(q)rr

我包含了有效的代码，但没有给出预期的结果（加权曲线应该随着多分散性的增长（更高sigma）更平滑，如下所示。如您所见，我整合了来自的 2 个函数的f(r,q)*g(r)卷积r = 0到r = +inf.

绘制结果以将称重结果与简单函数进行比较：

非常感谢。我已经遇到这个问题好几天了，我还没有发现错误。

也许有人知道如何以更简单的方式使用 PDF 来衡量函数。

从 Pr[E] = Pr[E|A].Pr[A] + Pr[E|A'].Pr[A']

我们如何证明 Pr[E] <= Pr[E|A] + Pr[A']

让我从一个简单的例子开始。

假设有 10 人的宇宙，其中 1 人拥有产品 A，2 人拥有产品 B
U=10, A=1, B=2

现在我想找到以下机会：
1）一个人没有产品==>（1 - 1/10）*（1 - 2/10）= 0.72
2）一个人至少拥有1个产品==> 1 - ((1 - 1/10) * (1 - 2/10)) = 0.28
3) 一个人拥有 2 件产品 ==> (1/10) * (2/10) = 0.02

但是，如果有n 个产品，我想要一个通用算法来对所有这些选项进行排序。

输入如下
U <- 10
products <- c('A','B')
owned_by <- c(1, 2)
df <- data.frame(products, owned_by)

我有一个尺寸为 50x100000 的数据。（100000 个特征，每个特征的维度为 50）。

我想使用这些数据拟合一个高斯混合模型。我使用了以下代码。

我需要的是当我给出一个新数据时，YI 应该能够得到似然概率 $p(Y|\theta)$，其中 $\theta$ 是高斯混合模型参数。

我使用以下代码来获取概率值。

但是我得到的值非常低，都大约为 0。为什么会这样？我怎样才能得到适当的概率值？

我有一组数据。我想从该数据构建一个类分布。根据学习到的分布，我想获得每个数据实例的概率值。基于这个概率值（阈值），我想构建一个分类器来分类特定数据实例是否来自该分布。

在这种情况下，假设我有一个 50x100000 的数据，其中 50 是每个数据实例的维度，实例数为 100000。我正在学习基于此分布的高斯混合模型。

当我尝试获取实例的概率值时，我得到的值非常低。那么在这种情况下，我该如何构建分类器？

我试图对每一列的熵，矩阵看起来像这样：

每列加一，但是，矩阵中有一些零，所以如果我只是 log2(arr(i,:))，结果中会有一个 -Inf，所以整个事情都行不通
实际上我有一个巨大的矩阵，所以我希望程序运行得快，有解决办法吗？
这是我的解决方案，它的工作速度和 p .* log2(p) 一样快吗？

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。

这基本上是一个概率论问题，但我太生疏了，我似乎无法思考从哪里开始。

我有一群 Z 工人。每个工人都有一个限制，X，在它被回收之前它必须执行多少任务。每个新任务都由一个工人随机抓取（1/Z一个工人抓住它的机会）。

在给定 Y 个任务之后，一个工人达到 X 阈值的几率是多少？

我希望计算它，因为我需要定期执行“清理”，而不是随机选择一些数字，我希望它与工人的数量和他们的任务限制有关（我可能会在稍后调整)，所以一旦有 25-30-35% 的机会完成一名工人，我就会进行清理。

我想要做的是，获得一个文本训练集（自然语言），并使用自动创建的文本来增加这个集，试图模仿文本内容。我正在使用词袋假设，顺序无关紧要，语法无关紧要，我只想创建包含与基本主题相关的单词的文本。

现在我正在使用Latent Dirichlet Allocation将我的文档分类为主题分布，平均我的集合的主题分布，并从这些主题分布中生成文档。

我想知道两件事：

1-有没有更好的方法来做到这一点？

2-我可以用不属于我的集合域的文本训练 LDA，而不会污染我的主题：例如。我想增加的集合有关于政治的文本。我可以用任何类型的文本（汽车、时尚、音乐）训练我的模型，并对我的政治文本库进行分类，得到它的主题分布，并从这个分布中生成类似的文本。

我正在使用 python 2.7 和 gensim。