问题标签 [stochastic]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - pymc 中的随机变量
我遇到过这样的术语
在很多地方。
我在任何地方都找不到关于它们的信息。我只能看到它们的用法。
uniform, binomial它们分别表示什么以及它们有何不同
constraints - PyMC：拟合模型时设置约束
我试图在通过 MCMC 方法与 PyMC 拟合变量时设置约束 例如，我在 PyMC 中定义了以下随机模型
如何定义模型以使 b 始终小于或等于 a？这是一种有效的方法吗？
random - 随机数作弊？
出于随机模拟的目的，以下算法是否足以产生 100 万个与大多数计算机语言中的简单 rand() 命令质量相同的伪随机十进制数？该算法的前提是使用 10 个质量十进制伪随机数，并将其扩展为 100 万个质量十进制伪随机数。
请注意以下只是一个算法，而不是真正的代码。
编辑：我意识到人类可以清楚地查看从该算法生成的数字并知道它们遵循某种模式，但真正的问题是，如果输入这些数字而不是 100 万个 rand() 数字，随机模拟是否会以相同的方式工作.
bayesian - pymc MAP 警告：随机 tau 的值既不是数字也不是具有浮点 dtype 的数组。推荐拟合方法 fmin（默认）
我在这里看过一个类似的问题
pymc 警告：值既不是数字也不是具有浮点 dtype 的数组
但是没有答案，有人可以告诉我是否应该忽略此警告或该怎么做？
该模型有一个随机变量（除其他外）tau，它是DiscreteUniform
以下是模型的相关代码：
r - 模拟浴缸中的随机大理石。e
我是一名生物学研究生，并试图将某种行为编码到 R 中的模型中，并且遇到了一些“迷失在翻译中”的问题。我的代码跟在帖子后面。我正在尝试对该系统进行建模：
想象一个带有振动大理石的浴缸。浴缸的表面由函数“浴缸”给出。我想找到一种方法：在给定“温度”参数的情况下，模拟浴缸上大理石的振动。在低温/零温度下，它应该位于底部，并作为温度。增加，它应该探索更高的两侧。我想将这些存储在一个向量中，并能够看到这个随机过程的给定实现的路径。
我的问题不是找出描述大理石移动表面的函数，而是找出它在给定起始值、时间和其他参数（曲率参数 a 和 b、温度参数，也许还有其他）。
我基本上是在寻找与此代码类似的正态分布：
非常感谢您提供任何想法、代码或有用资源的链接。
graph - 在具有绝对权重的加权图上计算 pagerank
我面临与此链接（Networkx PageRank - Equal Ranks with different Weights）中表达的相同的问题。
本质上，我使用 networkx 来计算图表上的 pagerank。因为，pagerank 计算首先将图转换为右随机矩阵（所有出边都归一化）。
我需要的是一种不标准化边缘权重的方法。因此，如果一个节点只有一个权重为 0.1 的传出边，而另一个节点只有一个权重为 0.05 的传出边，我希望将此信息用于计算 pagerank（而不是每个都归一化为 1）。
有谁知道修改pagerank以实现这一目标的正确方法是什么。
在此先感谢，阿米特
r - %dopar% 或加速顺序随机计算的替代方法
我写了一个随机过程模拟器，但我想加快它，因为它很慢。
模拟器的主要部分是由一个for循环组成的，我想foreach用 `%dopar%.
我试过用一个简化的循环来这样做，但我遇到了一些问题。假设我的for循环看起来像这样
这意味着在每次迭代中，我都会更新 and 的值，r并且s在两个结果之一中，填充我的 vector t。我尝试了几种不同的方法将其重写为foreach循环，但似乎每次迭代我的值都没有更新，而且我得到了一些非常奇怪的结果。我尝试过使用return，但它似乎不起作用！
这是我想出的一个例子。
如果不可能使用foreach其他方式让我重新编写循环以便能够使用所有内核并加快速度？
r - 包括随机部分的微观模拟 GLM
我正在尝试在 R 中模拟 GLM 函数，包括随机不确定性。我将基于公式的方法与基于 R 的simulate()函数进行了比较，得到了不同的结果。不确定我（可能是我而不是 R）做错了什么。
我首先创建一个模拟队列：
拟合模型：
在线性范围内预测（使用公式）
比较两种方法的预测，包括反向链接函数。它似乎是相似的：
将随机部分添加到两个预测中：
将两个预测（基于公式和simulate()基于公式）与图中的原始数据进行比较：
...并比较两个预测：
似乎基于公式的预测反映了与原始数据相似的随机不确定性。基于 r 的simulate()函数方法似乎比原始数据表示的随机不确定性更小。基于公式的方法是否正确？如果不是，我应该如何适应它？（出于兴趣：是什么导致两种方法之间的差异？）
最终，我想在数据之外使用 GLM 模型作为预测的输入值。我也想在Excel中应用它。因此，我正在寻找一种基于公式的方法，而不是使用像simulate().
欢迎阅读任何有关阅读预测材料的提示，包括 R 中 GLM 中的随机性。我用谷歌搜索了很多，但是很难在 R 中找到基于公式的示例，而不是家庭/链接是高斯/身份。
matlab - 具有随机时间相关输入的 ODE
我试图重复我在一篇论文中找到的一个例子。
我必须解决这个 ODE：
25 a + 15 v + 330000 x = p(t)
其中p(t)是频带限制在 10-25 Hz 范围内的白噪声序列；a是加速度，v是速度，x是位移。
然后它说系统是使用 Runge-Kutta 程序模拟的。采样频率设置为 1000 Hz，并将高斯白噪声添加到数据中，使噪声占信号 rms 值的 5%（如何使用最后的信息？）。
主要问题与带限白噪声有关。我按照我在这里找到的说明https://dsp.stackexchange.com/questions/9654/how-to-generate-band-limited-gaussian-white-noise并编写了以下代码：
现在我必须为 ode 定义函数，但我不知道如何给它p（白噪声）......我试过这样：
事实是输入激励不能正常工作：方程的自然频率约为 14 Hz，因此我希望看到响应中的共振，因为白噪声在 10-25 Hz 范围内。
我也看过这个 Q/A，但我仍然无法让它工作：