问题标签 [probability-distribution]

为了拟合我的数据集的几个概率分布，我尝试了几个使用car和MASS包的分布，例如泊松分布：

但是，如果我的选择是二项分布，MASS包不支持这种分布，那么我使用fitdistrplus包：

当我尝试：

不起作用包的qqp功能。car还有其他选项可以拟合二项式分布，例如qqp函数吗？

谢谢，

这可能是一个幼稚的问题，但我真的很挣扎。我查看了许多介绍互信息和条件互信息公式的论文和文章。他们通常以两种方式编写：

1. 第一个公式

和

2. 第二个公式

这些公式实际上是等效的吗？实际上和PX(x)的意思一样P(x)吗？

我想从包含原始二进制数据的数据框中计算边际概率分布。我确信有一种简单的方法，但是我似乎找不到它的功能。有任何想法吗？我附上了一个二进制变量数据框的简单示例，其中可以将结果视为 1，而没有结果可以视为 0。

如果我们从有向图 G 中删除一条边（新图 G'）会发生什么？例如，分解 G 的概率分布 P 是否也分解了 G'？如果 G 和 G' 是无向图会发生什么？

任何帮助将不胜感激！

我的任务是编写函数，为每个类返回 P(y|x) 分布（使用朴素贝叶斯分类器）。结果是 N x M 矩阵。

输入数据

当前代码

到目前为止，我的尝试，如果有人可以尝试使用数学逻辑，因为我必须错过一些东西，因为提供的测试没有通过。

我尽力了，但我的数学逻辑一定有错误。

我正在使用np.random.rand创建所需形状的矩阵/张量。但是，这个形状参数（在运行时生成）是一个元组，例如：(2, 3, 4)。我们如何shape在 中使用它np.random.rand？

这样做np.random.rand(shape)不起作用，并会出现以下错误：

TypeError: 'tuple' object cannot be interpreted as an index

我有 250000 个点的数据集，其中有 15 个特征。每个特征的取值范围为 0 到 100。

所以，我想为这个数据集拟合一个概率分布来识别异常值，比如错误的数据输入。

对于fitdistR 中的单变量，多变量呢？

如何在 R 或 Python 中有效地做到这一点？

我有一个包含不同案例的 excel 文件，每个案例大约有 75 个事件。给定每种情况，每个事件都有发生的概率。所以excel文件是这样的：

我想在 python 中生成一个随机数，范围从 0 到 75 以及给定案例的概率。当我处理仅可能发生 2 个事件的案例时，我使用了如下代码：

但是，当事件范围变大时，我不知道什么是更有效的方法。谢谢您的帮助。

*与其他问题不同，因为我从 Excel 中获取概率

所以，我有一组概率（z_scaled），我正在尝试绘制分布的 PDF 以及 CDF。现在我的代码如下：

现在，cdf 看起来像这样：

使用梯度函数从 CDF 计算得到的 PDF 如下所示：

我的问题是，为什么据此计算的 PDF 下的面积不等于 1？

我对 C 语言比较陌生，所以当谈到精度问题时，我总是有点担心。我正在使用一个相当大的代码，并且在特定点我需要根据离散概率分布选择一个值。本质上，我需要做的是选择一个值 k=1,2,...N，其概率由公式给出

P(k) = [e ^a*F(k) ]/[Σ _i=1,...,N e ^aF(i) ],

其中 F 只是一些使用 k 作为输入的函数，而 a 是一个实数。[抱歉，公式看起来很粗糙，我不确定如何格式化。] 到目前为止，我的代码看起来（大致）像这样。我不得不做出一些改变以帮助脱离上下文的可读性。

从数学角度来看，这应该会给出预期的结果，但是比我更擅长编码的人说 xtemp 可能会出现问题并且变得不精确。我想知道您如何为此进行错误处理？我也愿意以更好的方式来实现这个想法。我感谢任何帮助和建议。