데이터에 내 자신의 분포를 맞추려고합니다. 데이터와 일치하는 최적의 분포 매개 변수를 찾고 분포에서 최고점의 반 누름을 찾습니다. 필자가 읽은 바로는 fitdistrplus 패키지가이를 수행하는 방법입니다. 나는 데이터가 2 차 배경에 lorentzian peak의 형태를 취하고 있음을 안다. 데이터 플롯 : plot of raw data 원시 데이터를 사
A Neural Bayesian Estimator for Conditional Probability Densities이라는 문맥에서 변수의 일부 전처리를 구현 중입니다. 상태 : 1.) 비선형 일 때, s가 균일하게 분포하는 단조 변수 변환 F : t-> s가 적용됩니다. 하여 용지에 언급이 달성 될 수 >>> sorting the target vector
가우스 (정규) 확률 변수의 평균과 분산을 구하면 그 확률 밀도 함수 (PDF)를 계산하고 싶습니다. 나는이 게시물에 언급 : Calculate probability in normal distribution given mean, std in Python를, 또한 scipy 문서 : scipy.stats.norm 하지만 곡선의 PDF를 그릴 때, 확률이 1을
저는 C++과 boost를 처음 접했습니다. Boost의 skewed_normal_distribution 클래스를 사용하여 왜곡 분포에서 파생 된 숫자 세트를 만들고 싶습니다. 어떻게 시작해야할지 모르겠습니다. 분산을 평균 0.05, 분산 0.95, 기울이기 0.5로 정의하고 싶습니다. 다음 코드는 작동하지 않으며 variate_generator도 설정해야
조작 중에 많은 부동 소수점 값을 계산합니다. 모든 것을 메모리에 저장하고 싶지는 않지만 컬렉션의 대략적인 배포를 저장하려고합니다. 내 생각은 모든 값의 지수를 결정하고 히스토그램에서 계산하는 것이 었습니다. 그러나 이것은 물론 값이 다른 지수를 갖는 경우에만 작동합니다. 배포판의 모양을 모른 채 어떻게 할 수 있습니까?
CRC 체크섬이 해시로 사용될 때 충돌 체크 가능성에 대해 조사하고 있습니다. 나는 균등하게 분산 된 해시 알고리즘에 대한 충돌 가능성을 계산하는 방법을 알고 있습니다. 즉, 무작위 입력 데이터에 대해 가능한 모든 체크섬을 얻을 수있는 기회를 의미합니다. 나는 (내가 웹에서 찾을 수 없습니다) 모르는 무엇 : 일반적으로 고르게 분포 [하지] 은 CRC 체크
으로 표시합니다. 95 % 신뢰 구간으로 S 자 모양의 분포 (y = 0~1)를 맞추고 y=5% (hc5으로 지정)의 값을 얻으십시오. ZnOLC50.txt이라는 원래의 입력 데이터 파일 : LC50 Proportion
0.089 0.071428571
0.16 0.214285714
1.155 0.357142857
1.51 0.5
3.97 0.642
이것은 코드로 이것을 해결할 수 있기 때문에 질문 자체보다는 논의가 더 많습니다 만, 이것을 더 나은 방법으로 생각해야합니다. 행렬의 각 사분면 (반드시 4로 나눌 필요는없는)이 상기 요소 중 같은 수 (또는 동등한 수)를 포함하지만 임의로 배치되도록 요소를 배포해야합니다. 그 사분 내. 나머지 행렬은 다른 유형의 무작위 요소를 포함해야합니다. 다음과 같이