腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
如何
检查
scipy
分布
是否
为
离散
分布
?
、
、
我想
检查
一下
scipy
分布
是
离散
的还是连续的。无论对象是来自命名
分布
的冻结
分布
对象,还是自定义rv_discrete或rv_continuous
分布
的实例,测试都应该有效。我的第一个想法是
检查
变量的类型,但这似乎不能很好地对应于连续变量与
离散
变量。例如,以下是四个
分布
: from
scipy
.stats import * dist_norm = norm(10
浏览 9
提问于2020-05-01
得票数 3
回答已采纳
1
回答
如何
计算联合
分布
的熵?
、
、
、
有两个随机变量X和Y及其联合概率Posterior_P(
离散
,2D-数组),利用得到后验概率熵,由于默认轴= 0,它返回维数
为
len(X)的数组。我对熵完全陌生,所以如果我混淆了某些定义,请纠正我。8.4605] with a size of len(X)entropy_1 = entropy(pdf,base=2) 它们之间的区别是什么,以及
如何
从假定为值的联合密度中求出整体熵
浏览 1
提问于2018-06-25
得票数 1
回答已采纳
3
回答
在Python中计算累积
分布
函数(CDF
、
、
、
、
如何
在python中计算 我想从我拥有的一组点(
离散
分布
)来计算它,而不是像
scipy
那样使用连续
分布
。
浏览 1
提问于2014-07-17
得票数 33
回答已采纳
1
回答
在
scipy
.stats中,rv_continuous有一个查找MLE的fit方法,但rv_discrete没有。为什么?
、
、
我想为一些可能受
离散
分布
控制的数据找到最大似然估计器。但在
scipy
.stats中,只有表示连续
分布
的类才有合适的函数来实现这一点。代表
离散
分布
的类没有这样做的原因是什么?
浏览 3
提问于2013-05-09
得票数 13
3
回答
在python中拟合负二项式
、
、
、
、
在
scipy
中,不支持使用数据来拟合负二项
分布
(可能是因为
scipy
中的负二项
分布
是
离散
的)。对于正态
分布
,我会这样做:param = norm.fit(samp) 在其他库中有没有类似的“可以使用”的函数?
浏览 1
提问于2014-05-23
得票数 11
2
回答
用integrate.quad计算了
scipy
.stats中的微分熵。
、
、
、
、
scipy
.stats.entropy计算连续随机变量的微分熵。用哪种估计方法和公式准确地计算微分熵?(即norm
分布
的微分熵与beta
分布
的微分熵) 下面是它的github代码。
浏览 7
提问于2020-08-04
得票数 2
1
回答
拟合
scipy
.stats.erlang
分布
时出错
、
我对此还不熟悉,但我有一些数据,我正在尝试将它们应用于不同的
分布
。 -0.00020446, -0.0223319])
scipy
.stats.erlang.fit
浏览 31
提问于2018-07-31
得票数 0
回答已采纳
2
回答
离散
数据的拟合:负二项
分布
,泊松,几何
分布
、
、
、
在for中,不支持使用数据拟合
离散
分布
。我知道关于这件事有很多话题。例如,如果我有一个如下所示的数组: from
scipy
.stats import nbinomparam = nbinom.fit(x) 但是我想问你到目前为止,
是否
有任何方法适合这三个
离散
分布
,然后选择最适合的
离散
数据集?
浏览 2
提问于2019-12-12
得票数 4
1
回答
在python中的
离散
分布
之间进行选择
、
、
、
、
我试图在
离散
分布
之间选择最佳拟合,但我得到了下面的错误,即
离散
分布
没有属性拟合。有谁知道
如何
解决这个问题,或者在
离散
分布
之间进行选择的任何替代方法?import
scipy
.stats as st dist_names = ["bernoulli", "poisson", "
浏览 25
提问于2020-11-23
得票数 0
1
回答
python中
离散
点的极限密度(LDDP)
、
、
信息论中的香农熵衡量了
离散
随机变量经验
分布
中的不确定性或无序性,而微分熵衡量的是连续随机变量的经验
分布
。然而,微分熵的经典定义是错误的,并用
离散
点的极限密度(LDDP)进行了修正。
scipy
或其他计算LDDP吗?
如何
在python中估计LDDP?
浏览 70
提问于2020-08-05
得票数 1
1
回答
给定一个“冻结”的
SciPy
离散
随机变量,我
如何
知道它的支持度?
、
、
如果我使用
scipy
.stats.rv_discrete手动创建一个
离散
随机变量,我可以通过提供一个下限、一个上限和增量(尽管后者是)或者通过提供一个具体的values参数来控制它的支持(它可能得到的值这些方法实际上不是构造一个随机变量,而是构造一个
离散
分布
,可以通过调用它来构造一个随机变量。给定一个随机变量,该
分布
是通过给出具体的values=来构造的,我可以通过
检查
rv.dist.xk来确定它的支持(实际上,这还不够;如果values=包含零概率,那么我们真的应该
检查</em
浏览 2
提问于2014-06-25
得票数 0
回答已采纳
1
回答
Python指定自定义的
离散
分布
、
、
、
、
我使用来自
scipy
.stats的各种连续
分布
(例如,范数)。因此,如果我想找到P(Z < 0.5),我会这样做:norm(0, 1).cdf(0.5) # Z~N(0,1) pdf(x) = 1/3,x=
浏览 1
提问于2017-01-15
得票数 5
回答已采纳
2
回答
生成零附近的二项式
分布
、
、
、
、
我希望生成一个类似二项式的
分布
。我想要一个二项
分布
,但我希望它以零
为
中心(我知道这对于二项
分布
的定义来说没有多大意义,但这仍然是我的目标)。
浏览 0
提问于2013-03-22
得票数 3
1
回答
如何
使用最大似然估计将负二项模型拟合到数据
、
、
、
、
我正在尝试将负二项
分布
拟合到只有一个字段的数据集,该字段是句子中的单词数量。
如何
使用statsmodels.discrete.discrete_mode拟合
分布
浏览 6
提问于2021-04-18
得票数 0
1
回答
为什么
scipy
poisson没有pdf (概率密度函数)方法?
、
、
我想在使用
scipy
创建的python中绘制泊松
分布
的概率密度函数。x, alpha, beta) plt.plot(x, pdf, label=r'$\alpha$ = {}, $\beta$ = {}'.format(alpha, beta)) 我以为我可以用泊松
分布
做同样的事情我
如何
绘制一个泊松pdf而不自己写公式?
浏览 23
提问于2019-04-12
得票数 1
回答已采纳
1
回答
状态模型.内建概率
分布
、
、
、
、
我们可以用序列模来绘制公共概率
分布
。但是,
是否
可以使用Statsmodels库执行相同的任务?类似地,
是否
有任何内置的替代使用状态模型来实现相同的目标?
浏览 4
提问于2017-08-21
得票数 0
回答已采纳
1
回答
如果我们滚动模具(6边) 1000次,我们会看到多少次,我们会看到一个1滚?
、
我假设问题是使用二项
分布
,但不确定我
是否
正确。我猜在解中,概率0.94来自1-0.06。但我不确定
是否
需要这个区间的概率,除非它只用于Z得分,1.88。我能这样假设这个问题吗?回答:区间
为
(144.50135805579743,188.8319752775359),概率= 0.94,mu = 166.67,σ= 11.785113019775793。
浏览 7
提问于2022-08-19
得票数 -1
1
回答
用Python计算累积
分布
函数
、
我试图计算Python中任何一个常用发行版的
分布
函数.但是,我看到的所有方法都涉及到先从所述
分布
中提取N个样本,然后以某种方式对它们进行排序,然后进行累积和。
是否
有一种简单的方法,像Mathematica那样,在Python中计算一个累积
分布
函数?
浏览 0
提问于2021-05-24
得票数 1
回答已采纳
1
回答
如何
计算无限
分布
的期望值?(特别是在python中)
、
、
我试图计算
分布
的期望值(假设我知道参数或我可以估计它们),但它可能是无限样本空间上的
分布
。有没有一个库(例如python、numpy或其他什么)能够以合理的速度和精度计算出这样的期望值?对于任意
分布
,这似乎很难,但我唯一的想法是,如果它是正常的,那么我们可以通过在概率高度集中的cap或something...but中添加足够小的块来近似这一点,因为我确定我不是第一个尝试在计算机中计算期望值的人
浏览 1
提问于2014-03-16
得票数 3
2
回答
利用
分布
样本计算KL散度估计
、
、
给出从两个不同
分布
中抽取的两组样本,用这些样本计算得到两个
分布
之间KL-散度的估计值吗? 这里我假设这两个
分布
的维数很高(比如说d)。为了计算估计,我们首先需要
离散
整个空间,然后根据频率估计概率。让我们说,我们将每个维度
离散
到p桶中。那么空间中的网格总数将是p^d。因此,我们需要计算p^d网格的两个
分布
的概率,这是一个指数的时间
分布
。我想
检查
一下这个解释
是否
正确,或者我
是否
遗漏了什么。有人能断言这个理由
是否<
浏览 0
提问于2018-03-22
得票数 3
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
鹅厂分布式大气监测系统:以 Serverless 为核心的云端能力如何打造?
Python中的统计假设检验速查表
怎么使用python解三维泊松方程
机器学习必备技能之“统计思维1.0”
使用Python计算非参数的秩相关
热门
标签
更多标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
活动推荐
运营活动
广告
关闭
领券