问题标签 [probability-distribution]

我有两个变量 var1 和 var2。我想有两个变量的联合回报期图，比如

蓝线表示两个变量的联合回归期，数字表示以年为单位的回归期值（1,5,10,50,...）。

我不知道如何生成这个情节。

谁能帮我解决这个问题？

我试图了解如何将概率分布函数（例如 Pearson 3 型）拟合到数据集（特别是一个地区的平均年降雨量）。我已经阅读了一些关于此的问题，但我仍然想念一些东西，而且配件不正确。至于现在我的代码是这样的（具体的数据文件可以从这里下载）：

我错过了什么？

我想在 python 中实现一个函数（使用numpy），该函数将数学函数（例如，p(x) = e^(-x)如下所示）作为输入并生成随机数，这些随机数根据该数学函数的概率分布进行分布。我需要绘制它们，这样我们才能看到分布。

我实际上需要一个随机数生成器函数，用于以下两个数学函数作为输入，但如果它可以采用其他函数，为什么不呢：

1) p(x) = e^(-x)
2)g(x) = (1/sqrt(2*pi)) * e^(-(x^2)/2)

有谁知道这在 python 中是如何实现的？

我正在尝试使用该std::discrete_distribution函数对离散分布进行采样。这是一个mwe：

这给出了：

注意不对称，尤其是最后的零。我看不出我做错了什么。代码是否有问题，或者发生了一些我看不到的舍入。谢谢。

我需要获得两个随机变量 x 和 y 的联合概率分布的 3D 图。虽然可以使用 Mathematica 轻松获得此图，但我无法在 Python 中找到任何文档。

你能帮我解决这个问题吗？

所以我正在阅读 pytorch 文档，试图学习和理解一些东西（因为我是机器学习的新手），我发现torch.bernoulli()并且我理解（我想念它）它近似于值介于 1 和0 到 1 或 0 取决于值（如经典学校小于 0.5 = 0 ，大于或等于 0.5 = 1）

经过我自己的一些实验，是的，它按预期工作

但是当我查看文档时，有些奇怪

在示例中0.5282近似为 0 ，这是怎么发生的？或者它是文档中的一个错误，因为我尝试了它并且0.5282按预期近似为 1。

如何在 R 中为 1000 个项目（行）生成 1 和 0 的矩阵，其中每个项目只能是 1 用于 6 个可能性（列）特征 A、B、C、D、E 和 F 中的单个特征例如

因此，当绘制这 6 个特征时（在 x 轴上 A=0、B=0.2、C=0.4、D=0.6、E=0.8、F=1），它们的密度概率遵循 beta (3,7) 分布？

我的目标是生成一组相似的矩阵，每个矩阵代表不同的 beta 分布，例如（7,3），（2,8），（8,2），（3,3），以便它们可以共同覆盖广泛的范围其中，如果可能，包括 (0.5, 0.5) 以外的双峰分布。

检查这段代码 我想知道，如果我已经定义了我的对数正态图，那么我将如何为我的对数正态数据绘制正态概率图？x 是否应该在上述代码中以相同的方式定义？

这是我的数据 = [336256, 620316, 958846, 1007830, 1080401]

这是我绘制 Weibul 和 lognormal 的地方：代码

在我的代码中，这就是我得到的对数正态概率图

以及我得到的 Weibull 正态概率图：

这些曲线的问题是它们太线性了！

应该是这样的：另一个区别是我需要将我的点放在 0 到 100 之间，并且它们不应该等距

我也不确定我在自己的代码中工作的置信区间。

更新 1：

在此处使用代码

我得到这些结果：

为威布尔

我试图使用 Python 模拟“样本比例的抽样分布”。我尝试使用伯努利变量，如示例here

关键是，在大量的口香糖中，我们有真正比例为0.6的黄色球。如果我们抽取样本（一些大小，比如 10 个），取其平均值并绘图，我们应该得到一个正态分布。

我试图在 python 中做，但我总是得到均匀分布（或在中间平坦）。我无法理解我错过了什么。

程序：

依赖函数：
bi_to_nor_demo
SDSP

输出：

更新： 我什至尝试了如下统一分布，但得到了类似的输出。不收敛到正常:(。（使用下面的函数代替 create_bernoulli_population）

我试图使用 Python 模拟“样本比例的抽样分布”。我尝试使用伯努利变量，如示例here

关键是，在大量的口香糖中，我们有真正比例为0.6的黄色球。如果我们抽取样本（一些大小，比如 10 个），取其平均值并绘图，我们应该得到一个正态分布。

我设法获得了正常的采样分布，但是，具有相同 mu 和 sigma 的实际正常连续曲线根本不适合，而是放大到几个因子。我不确定是什么原因造成的，理想情况下它应该非常适合。下面是我的代码和输出。我尝试改变幅度和 sigma（除以 sqrt(samplesize)）但没有任何帮助。请帮忙。

代码：

输出：
红色曲线是失配正态逼近曲线。mu 和 sigma 来自统计离散分布（小蓝条），并馈送到计算正态曲线的公式。但正常曲线看起来以某种方式放大了。

更新：
避免除以取平均值，解决了图形问题，但 mu 被缩放。所以问题还没有完全解决。:(

删除上述除法后的输出（但需要吗？）：