首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >N个随机变量和的符号期望

N个随机变量和的符号期望
EN

Stack Overflow用户
提问于 2020-03-19 00:50:13
回答 2查看 440关注 0票数 1

https://docs.sympy.org/latest/modules/stats.html#examples中,下面的代码计算两个骰子之和的期望。

代码语言:javascript
复制
from sympy.stats import P, E, variance, Die, Normal
from sympy import Eq, simplify, symbols
X, Y = Die('X', 6), Die('Y', 6) # Define two six sided dice
E(X+Y) # Expectation of the sum of two dice

但是,我想计算N个骰子和的期望,其中N是一个符号,例如

代码语言:javascript
复制
N = symbols('N')

这个是可能的吗?

我要的是符号结果,而不是通过蒙特卡罗模拟计算的结果。

编辑:n是未知的,因此应该将它作为结果中的一个变量处理。

EN

回答 2

Stack Overflow用户

发布于 2020-03-19 01:19:28

自变量之和的pmf/pdf是每个变量的pmf/pdf的卷积。对于离散变量,卷积只是pmf元素的有限求和,对于骰子,它甚至更简单,因为元素都等于1/(面数)。最困难的部分是让求和的极限正确--这是值得注意的。

一旦你有了求和,你可以尝试一些身份。我不知道那里有什么可能,但你至少可以走那么远。

编辑:我读得不够仔细。如果你只对和的期望值感兴趣,那么它就简单多了。EX +Y= EX + EY,因此这个问题简化为计算一个模具的期望值。这也是一个求和,比卷积更简单。

尽管如此,如果再想一想,一张骰子的pmf的象征性解决方案可能会非常混乱。几年前,我计算出了一个一致连续变量之和的pdf --它是一个分段多项式,随着骰子数的增加而增加(我似乎记得,m是骰子的数量)。我怀疑类似的东西正在为骰子之和做准备。

票数 1
EN

Stack Overflow用户

发布于 2020-03-19 20:39:50

如果n是一个给定的常量,下面是一种求和n骰子的方法。正如其他地方所提到的,期望值非常简单:n是一个芯片的期望值(所以,7*n/2)的倍数。

计算density (概率质量函数)很快变得杂乱无章和非常缓慢。对于n=10,它会在我的系统上造成内存溢出。

代码语言:javascript
复制
from sympy.stats import Die, P, E, variance, density

def sympy_listsum(die_list):
    res =  die_list[0]
    for d in die_list[1:]:
        res += d
    return res

n = 5
X = sympy_listsum([ Die(f'Die_{k}', 6) for k in range(n)] )

print(X)
print(E(X))
print(P(X < 10))
print(variance(X))
print(density(X))

n=5结果

代码语言:javascript
复制
Die_0 + Die_1 + Die_2 + Die_3 + Die_4
35/2
7/432
175/12
{5: 1/7776, 6: 5/7776, 7: 5/2592, 8: 35/7776, 9: 35/3888, 10: 7/432, 11: 205/7776, 12: 305/7776, 13: 35/648, 14: 5/72, 15: 217/2592, 16: 245/2592, 17: 65/648, 18: 65/648, 19: 245/2592, 20: 217/2592, 21: 5/72, 22: 35/648, 23: 305/7776, 24: 205/7776, 25: 7/432, 26: 35/3888, 27: 35/7776, 28: 5/2592, 29: 5/7776, 30: 1/7776}
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/60749471

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档