normal-distribution相关内容
我的问题是-使用NumPy函数np.随机性.randn为100,000个点的正态分布生成数据x。然后绘制直方图。 我的计算是- x = sp.norm.pdf(np.random.randn(100000)) plt.hist(x, bins = 20, facecolor='blue', alpha=0.5) 是否有问题,因为我无法获得正态分布的直方图? 推荐答案 要
..
给定一个整数范围的开始和结束,我如何计算这个范围之间的正态分布随机整数? 我意识到正态分布进入 -+ 无穷大.我猜尾巴可以被截断,所以当随机计算超出范围时,重新计算.这提高了该范围内整数的概率,但只要这种影响是可以容忍的( 公共类高斯{私有静态 bool uselast = true;私有静态双 next_gaussian = 0.0;私人静态随机随机=新随机();公共静态双 BoxMul
..
在绘制数据的正态分布图时,我们如何使用 matplotlib/seaborn 或 plotly 在每个条带宽度为 1 个标准差的每个 bin 中放置如下图所示的标签? 目前,我的绘图是这样的: hmean = np.mean(data)hstd = np.std(数据)pdf = stats.norm.pdf(数据,hmean,hstd)plt.plot(数据,pdf) 解决方案 虽然
..
我有一个关于正态分布的问题(mu = 0 和 sigma = 1). 假设我首先以这种方式调用 randn 或 normrnd x = normrnd(0,1,[4096,1]);% x = randn(4096,1) 现在,为了评估 x 值与正态分布的拟合程度,我调用 [a,b] = normfit(x); 并有图形支持 histfit(x) 现在来到问题的核心:如果我对 x
..
是否有开源来计算 C、C++ 或 Fortran 中高斯分布的多变量(其中维度大于 3,而不是二元或三元)数值 cdf? 我相信 IMSL 做到了;http://www.roguewave.com/portals/0/products/imsl-numerical-libraries/c-library/docs/7.0/html/cstat/default.htm?turl=multiva
..
..
在绘制数据的正态分布图时,我们如何使用 matplotlib/seaborn 或 plotly 为每个条带宽度为 1 标准差的每个 bin 中的数据百分比放置如下图所示的标签? 目前,我是这样绘制的: hmean = np.mean(data)hstd = np.std(数据)pdf = stats.norm.pdf(数据,hmean,hstd)plt.plot(数据,pdf) 解决方案
..
为了模拟相关的价格变动,我只是想用 Cholesky 分解来模拟相关的价格变动. 我使用以下代码: cormat
..
我一直在寻找一种从多元正态分布中采样的便捷方法.有谁知道一个现成的代码片段来做到这一点?对于矩阵/向量,我更喜欢使用 Boost 或 Eigen 或其他我不熟悉的非凡库,但是我可以在紧要关头使用 GSL.如果该方法接受非负-定协方差矩阵而不是要求正定(例如,与 Cholesky 分解一样),我也喜欢它.这存在于 MATLAB、NumPy 和其他软件中,但我很难找到现成的 C/C++ 解决方案.
..
给定高斯(正态)随机变量的均值和方差,我想计算其概率密度函数 (PDF). 我参考了这篇文章:计算正常概率分布给定均值,Python 中的标准, 还有 scipy 文档:scipy.stats.norm 但是当我绘制曲线的 PDF 时,概率超过 1!请参阅此最低工作示例: 将 numpy 导入为 np导入 scipy.stats 作为统计信息x = np.linspace(0.
..
有人试过用 FLOT 创建正态分布图吗? 如果是这样,您能否通过一些建议和教程链接为我指明正确的方向? 谢谢. 解决方案 FLOT 只是一个绘图引擎.如果要创建钟形曲线,则需要向概率密度函数提供一系列 x 值并绘制结果点. 例如,我使用 此处 中的函数来创建此: 这是展示我作品的 jsFiddle.
..
我正在尝试使用 boost::normal_distribution 来生成均值为 0 和 sigma 1 的正态分布. 以下代码不起作用,因为某些值超过或超过 -1 和 1(并且不应该).有人能指出我做错了什么吗? #include #include int main(){提升:: mt19937 rng;//我不是故意播种的(这无关紧要)boost::normal_distributi
..
如何在 C 或 C++ 中轻松生成服从正态分布的随机数? 我不想使用任何 Boost. 我知道 Knuth 详细谈到了这个问题,但我现在手头没有他的书. 解决方案 生成的方法有很多来自常规 RNG 的高斯分布数. Box-Muller 变换 是常用的.它正确地产生具有正态分布的值.数学很容易.您生成两个(均匀)随机数,并通过对它们应用公式,您会得到两个正态分布的随机数.返
..
我正在使用 scipy.optimize.fmin_l_bfgs_b 来解决高斯混合问题.混合分布的均值通过回归建模,其权重必须使用EM算法进行优化. sigma_sp_new, func_val, info_dict = fmin_l_bfgs_b(func_to_minimize, self.sigma_vector[si][pj],args=(self.w_vectors[si][pj],
..
在机器学习任务中.我们应该得到一组有界的随机 w.r.t 正态分布.我们可以使用 np.random.normal() 获得正态分布数,但它不提供任何绑定参数.我想知道怎么做? 解决方案 truncnorm 的参数化很复杂,所以这里有一个函数可以将参数化转化为更多的东西直观: from scipy.stats import truncnormdef get_truncated_norma
..
我想在 (x,y,z) 坐标系上绘制正态分布的单变量正态密度函数.我使用的代码是: 库(rgl)open3d()x 我遇到的问题是,我希望正态分布不仅仅围绕其均值,而且要在一条直线或一个圆上.在后一种情况下,我希望输出类似于火山.我想我必须首先在循环中创建一些概率.我怎样才能做到这一点?或者我也应该使用一些表面命令来绘制输出?我很确定这与二元正态无关. 最好的富士 解决方案 第
..
我想从两个截断正态分布之和的分布中抽取 N 个随机样本.我通过从 scipy.stats 子类化 rv_continuous 类并提供一个 pdf 来得到我想要的东西,该 pdf 是两个给定 pdf 的平均值: 将 numpy 导入为 np来自 scipy 导入统计my_lim = [0.05, 7] # 上下限my_loc = [1.2, 3] # 两个截断正态分布的 loc 值my_scal
..
我从我的 python 数据集中提取了一些变量,我想从我拥有的分布中生成一个更大的数据集.问题是我试图在保持类似行为的同时为新数据集引入一些可变性.这是我提取的包含 400 个观察值的数据的示例: 条目的值观察计数比率1 352 0.882 28 0.073 8 0.024 4 0.017 4 0.0113 4 0.01 现在我正在尝试使用这些信息来生成一个包含 2,000 个观察值的类似数据
..
学生和专业人士 我目前正在尝试为随机样本大小 (T=10,30,50,100,500) 编写正态性检验. 我用于正态性测试的函数如下: sim1 这对于每个样本大小 这会生成一个包含测试信息的列表,这些信息必须以 90%、95% 和 99% 的置信度进行解释. 我面临的问题是我需要重复这个过程 1000 次.但是在计算相同 p 值的情况下,使用相同的样本 sim1 在
..
我需要从具有正态分布的范围(例如 0 到 1920 像素)中选择一个像素,但我不知道如何在 MatLab 中执行此操作.我知道我可以使用 normrnd() 来检索给定 mu 和 sigma 的随机值,但是我如何将其应用于我的情况? 例如, mu 可能是 500 像素,sigma 可能是 100 像素. 我目前的做法是这样 function xpos = apply_normal_di
..