问题标签 [weighted]

我喜欢加权案例以在 ggplot 中绘制图表。对于每种情况，我都有一个特定的权重因子，例如：

等等...绘制简单的分组条（“交叉表”）很容易，我可以使用 xtabs 函数：

当我想用加权案例绘制直方图、简单条形图或单箱图时，我想保持分布，所以我使用以下函数来加权案例：

但是，此功能忽略了原来的案例顺序，“案例”现在根据相关类别升序编号。但是...如果我想绘制分组箱线图，我需要 a) 具有加权计数的加权变量 b) 具有加权组的加权变量 c) 每个组内的加权平均值、中位数和分位数

我该怎么做？我有正确的加权交叉表，但每个子组没有加权平均值，因为我不能使用上面显示的函数来创建表格（因为丢失了正确的案例顺序）。

任何提示都非常感谢！

我有 7 天期间测量的数据。部分数据如下：

我想使用 X1 的加权平均值将此每周（7 天）数据转换为每月数据。请注意，某些 7 天 X1 数据将在一个月之间重叠（X1=79，2004 年 2/29 至 3/6 期间）。

具体来说，我将通过以下方式获得 2004 年 2 月的月度数据（例如 Y1）

R 是否具有可以正确执行此操作的功能？（xts 库中的 to.monthly 不做我需要的）如果，不是在 R 中做到这一点的最佳方法是什么？

I have an array of doubles and I want to select a value from it with the probability of each value being selected being inversely proportional to its value. For example:

In this example, element 0 would have a 66% of being selected and element 1 a 33% chance. I am having difficulty coding this. What I have done so far is to calculate the total value of the array (the example would be 300), then I've played around with inversing the numbers before calculating them as a percentage of the total. I can't get anything to work. In the end I desire:

Or something to that affect. Any help? Coding is in Java but I can adapt any pseudocode.

我有一个由两组不同的边组成的图。第一组由权重为 1 的边组成（列表 1）。第二组由权重为 2 的边组成（列表 2）。首先，我使用 networkx 创建图，然后使用 add_edges_from 添加列表 1 和列表 2。我想计算此加权图中的所有最短路径。基本上我正在寻找类似于“all_shortest_paths”但带有权重（看起来像“dijkstra”模块不允许您知道给定源和给定目标之间的所有可能路线）。如果我尝试将“all_shortest_path”与加权链接​​（三元组、两个节点和权重）一起使用，我会收到错误消息。有谁能够帮我？非常感谢！

我有两个浮点数组，并且想要计算加权相关性，这意味着我希望我的一些数据的权重低于其他数据。

所以，我想要 X 和 Y 之间关于权重 w 的相关性。我的问题主要是理论问题，但最后我想用C实现它。

最大团问题（MC-problem）是一个经典的NP问题，我们可以使用branch-bound来有效地解决这个问题。最近，我尝试开发一种算法来找出图中具有最大边加权团的团，正如我们所知，最大边加权团问题（MEC-problem）。

我发现了一些关于这个问题的属性。首先，集团必须是不属于任何更大集团的最大集团。那么团的边之和必须是所有最大团中最大的。

然而，传统的 MC-problem 算法对 MEC-problem 是无效的。因此，我想找到一种有效的 MEC 问题算法，尤其是分支定界算法。

我有一个加权对象列表，即：

A->1 B->1 C->3 D->2 E->3

C++ 中是否有一种有效的算法来根据它们的权重选择随机元素？

例如，选择权重较低的元素 A 或 B 的可能性（30%）高于算法选择元素 CE（10%）或 D（20%）的可能性

您好我正在尝试计算一系列整数或浮点数的加权方差和加权标准差。我找到了这些链接：

http://math.tutorvista.com/statistics/standard-deviation.html#weighted-standard-deviation

http://www.itl.nist.gov/div898/software/dataplot/refman2/ch2/weightsd.pdf（警告pdf）

到目前为止，这是我的模板功能。方差和标准差工作正常，但对于我的生活，我无法让加权版本与 pdf 底部的测试用例相匹配：

测试用例：

结果：

应该：

我认为问题在于加权方差有几种不同的解释，我不知道哪个是标准的。我发现了这种变化：

http://en.wikipedia.org/wiki/Algorithms_for_calculating_variance#Weighted_incremental_algorithm

结果：

我还尝试查看 boost 和 esutil 但它们并没有太大帮助：

http://www.boost.org/doc/libs/1_48_0/boost/accumulators/statistics/weighted_variance.hpp http://esutil.googlecode.com/svn-history/r269/trunk/esutil/stat/util.py

我不需要整个统计库，更重要的是，我想了解实现。

有人可以发布函数来正确计算这些吗？

如果您的函数可以一次性完成，则可以加分。

另外，有谁知道加权方差是否与具有重复值的普通方差给出相同的结果？例如，samples[] = { 1, 2, 3, 3 } 的方差是否与 samples[] = { 1, 2, 3 }, weights[] = { 1, 1, 2 } 的加权方差相同?

更新：这是我为探索问题而设置的谷歌文档电子表格。不幸的是，我的答案与 NIST pdf 相去甚远。我认为问题出在 unbias 步骤中，但我不知道如何解决它。

https://docs.google.com/spreadsheet/ccc?key=0ApzPh5nRin0ldGNNYjhCUTlWTks2TGJrZW4wQUcyZnc&usp=sharing

结果是加权方差为 3.77，这是我在 c++ 代码中得到的加权标准差 1.94 的平方。

我正在尝试在我的 Mac OS X 设置上安装 octave，以便我可以使用权重运行他们的 var() 函数，但是使用 brew 安装它需要很长时间。我现在很喜欢刮牦牛毛。

给定具有正权重的边、一对节点和节点之间的路径的图，什么是最好的算法，它会告诉我如何将图的边权重修改到尽可能小的程度，以使指定的路径成为节点之间的最短路径（由 A* 计算）？（当然，如果我指定最短路径作为输入，输出将是“不做任何更改”）。

注意：最小范围是指对边权重所做的总更改。例如，另一个极端（最具破坏性的变化）是将不沿指定路径的所有边的权重更改为无穷大，将沿路径的所有边的权重更改为零。

我正在尝试找到一种方法来使用距离加权鉴别方法 (DWD) 从多个微阵列数据集中消除偏差。

我的出发点是这个。问题是 Matlab 版本只能在 Windows 下运行，需要 excel 5 格式作为输入（其中数据似乎在第 65535 行被截断 - matlab 错误是：

）。Java 版本仅在 caBIG 支持下运行，如果我理解的话，它最近已被关闭。

所以我搜索了很多，我找到了R/DWD包，但是从示例中我无法获得如何提供两个数据集以合并到kdwd功能。

有人知道如何使用它吗？

谢谢