확률의 시계열, 관측 된 데이터 확률 (deja vu)

Question

여러분 ...이 질문을 주셔서 감사합니다. 나는 대학에서 다음과 같은 일을 기억하지만 정확한 해결책을 잊어 버렸다. 올바른 방향으로 조종하려는 모든 수취인.

데이터 시퀀스는 시간 순서대로 순차적입니다 (예 : obsOne [1] 및 obsThree [1]과 함께 발생 함)

obsOne [47, 136, -108, -15, 22, ...], obs2 [448,321,122, -207, 269, ...], obsThree [381, 283, 429, -393 , 242, ...]

2 단계. 데이터 시리즈에서 각 데이터 시리즈에 대해 폭 Z의 일련의 X 범위 저장소를 만듭니다. (예 : 관측 obsOne : bin1 = [< -108, -108) bin2 = [-108, -26] bin3 = [-26, 55] ... binX = [136,> 136]

3 단계 이제 데이터 시리즈에 가능한 모든 조합이 포함 된 테이블을 만듭니다. 따라서 4 개의 빈과 3 개의 데이터 시리즈가있는 경우 모든 조합은 총 4x4x4 = 64 개의 가능한 결과를 산출합니다 (예 : row1 = obsOne bin1 + obsTwo bin1 + obsThree bin1, row2 = obsOne bin1 + obsTwo bin1 + obsTree bin2, ... row5 = obs3 bin2, ... row5 = obs1 bin1 + obsTwree binX, row6 = obsOne bin1 + obs2 bin2 + obsTree bin1, row7 = obsOne bin1 + obs2 빈 bin1 + obs3 빈 bin2, row9 = obs1 빈 1 + obsTwo bin2 + obsTree binX, ...)

4 단계. 이제 데이터 시리즈로 돌아가서 데이터 시리즈의 각 행이 테이블에 놓이는 위치를 찾고 얼마나 많은 시간을 계산합니까? 관찰은 그렇게한다. (예 : obsOne [2] obsTwo [2] obsThree [2] = 테이블의 행 30 obsOne [X] obsThree [X] = 테이블의 행 52

5 단계. 긍정적 인 성냥을 가진 테이블의 행, 데이터 시리즈의 총 관측 수로 나뉘며 그 행에 얼마나 많은 관측이 있었는지 계산하십시오. 그러면 관측 된 데이터에서 그 범위에 대한 확률이 나옵니다.

이 기본 질문에 사과드립니다. 수학 전문가가 아닙니다. 저는 수년 전에 이것을 해왔습니다. 어떤 방법을 사용했는지 잊어 버렸습니다. 이것은 오래 전 (고대의 "손으로") 방법보다 훨씬 빠릅니다. 당시 나는 파이썬을 사용하지 않았습니다. 일부 다른 독점적 인 패키지에서 C + +. 뭔가 파이썬 (지금은 파이썬 상점)이 문제를 해결할 수있는 경우, 항상 연장 할 수있는보고 싶습니다, 그래서 그것은 부드러운 콘 긴장.

Answer 1

당신은 이와 비슷한 이야기를하고 있습니까?

from __future__ import division 
from collections import defaultdict 

obsOne= [47, 136, -108, -15, 22, ] 
obsTwo= [448, 321, 122, -207, 269, ] 
obsThree= [381, 283, 429, -393, 242, ] 

class BinParams(object): 
    def __init__(self, timeSeries, X): 
     self.mx= max(timeSeries) 
     self.mn= min(timeSeries) 
     self.Z=(self.mx-self.mn)/X 
    def index(self, sample): 
     return (sample-self.mn)//self.Z 

binsOne= BinParams(obsOne, 4) 
binsTwo= BinParams(obsTwo, 4) 
binsThree= BinParams(obsThree, 4) 

counts= defaultdict(int) 
for s1, s2, s3 in zip(obsOne, obsTwo, obsThree): 
    posn= binsOne.index(s1), binsTwo.index(s2), binsThree.index(s3) 
    counts[posn] += 1 

for k in counts: 
    print k, counts[k], counts[k]/len(counts)