问题标签 [probability-distribution]

我有一个模拟掷骰子 100 次的程序。我需要知道如何运行这个程序 10^5 次，我认为这与数字有关。

我想模拟一个实验，你扔一个公平的骰子 100 次并计算数量。我想重复这个实验 10^5 次并保存结果。

这是我掷骰子的n代码

接下来，我想计算 1 的个数并模拟 10^5 次（这部分是错误的）：

我有 3 个变量 x、y、z 的 3D 散点图。我想在 x 和 y 的二维空间中创建 bin。此外，我想为 z 的每个 bin 中的样本绘制 cdf。

我曾尝试在 python 中使用 hist2d，但它计算了 x 和 y 变量。

我想得到 x 和 y 子空间的每个 bin 的 z 分布

我正在使用 MATLAB 创建一个函数，当我输入 p、q 和尝试次数 (x) 作为输入时，该函数返回几何分布的概率质量函数 (PMF)。

我的功能：

现在，每当我尝试通过输入p、q和x的值来计算概率时，例如：

确切的错误：

几何（0.5,0.5,1）

？？？“double”类型的输入参数的未定义函数或方法“Geometric”。

我尝试过更改功能，并将它们减少为一个输入和一个输出。

我希望计算概率，但他们只是没有。

在 python3 中，scipy 的 stats.rv_discrete 函数要求概率的总和为 1，但由于浮点数在内存中的表示，总和不是 1。

幸运的是 scipy 安装在我的主目录中，所以我能够注释掉检查 ~.local/lib/python3.7/site-packages/scipy/stats/_distn_infrastructure.py 文件中总和的“if”行，因此让它工作。但是当这段代码要在另一个系统中运行时该怎么办。将文件复制到工作目录并导入会导致太多错误。从头开始的自定义代码（使用列表）似乎效率很低。

我希望得到一个从头开始的有效功能或适当的解决方法。

我有两个概率分布，一个 beta 分布和一个对数正态分布。我想要做的是从我的 beta 分布中绘制一个随机值，并根据该值在标准偏差范围内的位置，然后我还想从我的对数正态分布中绘制一个随机值，该值也在该标准偏差范围内范围。

例如：我从我的 beta 分布中得出 0.2，它高于一个标准差，但低于比平均值大两个标准差。然后我想从我的对数正态分布中生成一个随机值，该值被限制在我的第一个标准偏差和第二个标准偏差的范围之间（比如说，一个介于 100 和 1000 之间的值）。

标准差范围如下：在1个标准差以内，大于1个标准差但比平均值高出2个标准差，大于平均值2个标准差，小于1个标准差但比平均值低2个标准差均值，并且低于均值的两个标准差。

我在 MATLAB 中尝试使用我的代码：

1) 对于每次迭代，生成一个随机的 beta 分布值和一个随机的对数正态分布值。2) 如果 beta 值在指定的标准差范围内，并且对数正态值也在指定的标准差范围内，则结束循环并打印数组中的值

我遇到的问题是随机 beta 值生成得非常好，但是对于每个对数正态值，我只剩下代码经历了哪个迭代的值。

数组看起来像：

这是我的代码：

感谢您调查我的问题！如果我的解释和术语乏善可陈，我深表歉意。我只是在学习编码和 MATLAB。

我正在创建一个陷阱，我想知道哪个随机数生成器最适合在插入时生成优先级。

数据集长约 6000 条。

我正在修改提供给我们的现有模板类（主要是声明的没有定义的方法）。预定义的生成器std::default_random_engine仅生成伪随机数。我想知道，这个生成器是否足够，如果没有，有什么替代方案？数据将一次性从文件中读取。

随机数生成器声明为：

仅在包装类的构造函数中创建时使用

我希望尽可能少地发生碰撞。是否std::default_random_engine* generator_;足以实现没有碰撞，或者是否需要其他发电机？

编辑：我更喜欢均匀分布，或者接近它的东西。然而，正态分布也可能起作用。

指向生成器的指针在给定的代码中，乍一看它并没有作为缺陷出现。

我正在尝试构建具有多个离散随机变量和条件概率的贝叶斯网络的最简单示例（科勒书中的“学生网络”，请参见1）

虽然有点笨拙，但我设法使用 pymc3 构建了这个网络。特别是，在 pymc3 中创建 CPD 并不是那么简单，请参见下面的代码片段：

但我不知道如何使用 tensoflow-probability (versions: tfp-nightly==0.7.0.dev20190517, tf-nightly-2.0-preview==2.0.0.dev20190517)构建这个网络

对于无条件的二元变量，可以使用分类分布，例如

但是如何构建 CPD？

tensorflow-probability 中可能相关的类/方法很少（在tensorflow_probability/python/distributions/deterministic.py或已弃用ConditionalDistribution），但文档相当稀疏（需要深入了解 tfp）。

--- 更新问题 ---

克里斯的回答是一个很好的起点。然而，即使对于一个非常简单的二变量模型，事情仍然有点不清楚。

这很好用：

但是这个失败了

（我试图在第二个例子中明确地建模分类只是为了学习目的）

-- 更新：已解决 ---

显然，最后一个示例使用错误，tf.gather_nd而不是tf.gather因为我们只想根据dist_xoutome 选择第一行或第二行。此代码现在有效：

我无法从以下发行版为我的论文生成此数据集。

我的尝试导致这个数据集看起来更独立。我似乎无法发现我哪里出错了。有人可以帮帮我吗？

这是代码：

谢谢！

我有一个 copula 表示两个变量 X 和 Y 之间的依赖关系。我想计算以下公式：E(X|Y≤1%)。它是以 Y 低于 1% 为条件的 X 的期望值。我看到那里提出了一个类似的问题，但提供的 R 代码没有给出我正在寻找的值。以下是有关 copula 和边际分布的一些细节。