问题标签 [probability-distribution]

我有一个数据集，其值在 1e-2 和 1e-3 范围内。我有以下代码来获取值并绘制分布。

但是，除非数据集中的每个值都乘以 ，否则此代码不起作用10,000。我想按原样使用数据集中的值而无需相乘。我真的很感激一些帮助。谢谢。

我需要从 Python 中的 Wishart Distribution 生成随机样本。有没有一种简单的方法可以做到这一点？

我搜索了一段时间，找不到任何适合我需要的概率分布。Distribution 应该看起来像 function c1 * x^2 + c2。我在 numpy 中能找到的最接近的是 alpha=0.5 和 beta=0.5 的 Beta Distribution。但我不喜欢它中间的平原区域。有人有什么想法吗？

我正在阅读这篇文章（http://www.ams.org/publicoutreach/feature-column/fc-2018-12），我很难理解其中的一部分：

“在这组路径上，我们引入了一个概率分布，其中每条路径的概率与某个正幂 n 的 l−ni 成正比”

这就是我的理解：给定一组具有 m 条路径的路径，每条路径 i 具有以下概率

path_{i} = l^(-n)_{i} ，从 1.....m

旁注：我不知道如何添加公式:)

非常感谢。

我尝试编写一些代码来创建引导程序分发，虽然它可以编译，但我不确定它是否正常工作。一些背景知识：我教书的学校的一名学生系统地找到了我们计算机实验室笔记本电脑锁的密码，以与我们的计算机老师（幸运的是，不是我）搞砸。每个锁都有三个编号为 0-9 的条目。我计算出每个锁有 10^3 种可能的组合。他保留了他已经为每个锁尝试过的组合的详细列表，因此每次连续尝试都对一个组合进行采样而无需替换。我试图通过找到解锁一台计算机所需次数的预期值来模拟这一点，以了解他为解锁所有这些计算机（实验室中有 12 台计算机）做了多少次尝试。对我来说，这听起来像是一个超几何分布。我写的代码是：

调用 lock_hg(1000) 时的直方图 plt.hist(final_counts) 看起来相当均匀，40 或 50 次尝试与 900 或 950 一样常见。我认为它看起来更像以 500 为中心的正态分布。我不是确定代码是否有问题，或者我只是误解了数学。此代码是否适合该问题？如果没有，我该如何解决？如果它有效，是否有更有效的方法来做到这一点，如果是，它是什么？

在一些（例如机器学习）库中，我们可以找到log_prob函数。它有什么作用，它与仅服用常规药物有何不同log？

例如，这段代码的目的是什么：

随后，我们为什么要先取一个日志，然后对结果值求幂，而不是直接评估它：

我正在尝试生成根据预定义概率分布采样的随机布尔掩码。概率分布存储在与生成的掩码相同形状的张量中。每个条目都包含掩码在该特定位置为真的概率。

简而言之，我正在寻找一个需要 4 个输入的函数：

• pdf：用作 PDF 的张量
• s : 每个掩码的样本数
• n：要生成的掩码总数
• replace：一个布尔值，指示是否应通过替换进行采样

并返回n 个布尔掩码

使用 numpy 执行此操作的简化方法如下所示：

我已经发现没有替换参数的采样部分可以这样完成：

但是在将样本转换为蒙版时，我被困住了。

GPS 确定的位置坐标并不完全准确。它遵循概率分布。Android 位置带有准确度属性。Android 开发者文档Location.getAccuracy()说：

我们将水平精度定义为 68% 置信度的半径。

从理论上讲，这个 GPS 位置遵循什么样的概率分布？我读过一些非权威的文章，说它遵循正态分布。为什么选择 68% 这个数字？

假设我们知道这个分布。有了这个给定位置的坐标和精度，我们如何恢复它的概率分布（概率密度函数）？即我们如何确定这个概率密度函数的未知参数？

此外，还可以获得卫星数据。它可以帮助进一步完善分布吗？

我创建了一个模拟掷骰子 100 次的程序。我需要帮助来添加单个骰子的结果以及如何绘制结果的概率分布。

这是我的代码：

我有一个程序可以模拟一个公平的骰子 100 次。使用这个程序，我需要在直方图上有一个钟形曲线，显示正态/高斯分布。在我的代码中，代表实验结果的变量是 z。钟形曲线的定义包含两个参数：ave 确定曲线在 z 轴上必须具有最大值的位置，sig 确定峰的宽度。

我到目前为止的高斯分布方程：