두 개의 배열 목록이 있는데 첫 번째 배열의 요소를 두 번째 배열 목록의 요소에 연결하고 싶습니다. 요소에 속성이 있습니다 (예 : A.). 이 조건은 element.getA()의 값이 큰 첫 번째 배열의 요소가 A의 값이 낮은 두 번째 배열의 요소와 연결하는 것입니다. 우선 첨부 메커니즘에 대해 생각 : 은 내가 바이어스 확률에 따라 요소를 선택하는 난이
의사는 우연히 우연히 오른쪽으로 머리를 돌리는 아기는 오른 손잡이가 될 것이며, 반대로 왼쪽으로 우세한 아기는 우타자가 될 것이라고 의사는 말합니다. 왼손잡이. 베이비 앨리는 우위에 머리를 왼쪽으로 돌렸다. 인구의 90 %가 오른 손잡이로 알려져 있습니다. 방법이 90 % 정확하면 Allie가 오른 손잡이가 될 확률은 얼마입니까? 부울 r.v.를 사용하십시
데이터 크기가 50x100000입니다. (100000 개의 피쳐, 각 피치는 50입니다). 이 데이터를 사용하여 가우스 혼합 모델에 적합하겠습니다. 다음 코드를 사용했습니다. $의 \ 세타 $가 gaussing 혼합 모델 매개 변수입니다 $, | 내가 가능성을 얻을 수 있어야 새로운 데이터 Y에 $ P (\ 세타 Y)를 확률 줄 때 내가 필요로 무엇
따르면 Birthday paradox에 : 나는 (내가 틀렸다면 수정하시기 바랍니다) 데이터베이스에 적용 할 경우 이 : 우리가 할 필요가있는 경우 UNIQUE가 데이터베이스에서 데이터를 해시 및 우리는 365 개의 고유 한 해시 값을 생성 할 수있는 해시 알고리즘을 가지고 있습니다. 첫 번째 23 개의 데이터 항목 이후에 데이터 충돌이 발생하고 첫 번째
모바일 무선 네트워크에 섀도 잉 및 빠른 페이딩을 모델링하려고합니다. 빠른 페이딩을 위해, 레일리 페이딩은 합리적인 모델이다. 채널 반응의 엔벨로프는 레일리 분포 일 것이다. 이 확률 변수 R을 호출하면 확률 밀도 함수 (PDF)가 입니다. PR (r) = ((2r)/Ω) * exp (-r^2/Ω), r> = 0, Ω = 2σ^2 http://en.wiki
대규모 작업이 병렬 또는 직렬로 일련의 독립적 인 작은 작업으로 완료되는 시뮬레이션 작업을하고 있습니다. 작은 작업의 완료 시간은 평균 시간이 "t"이고 분산이 "v"라고 말하는 정규 분포를 따릅니다. 나는이 작업이 연속적으로 반복 될 경우 새로운 총 시간 분포가 평균 t * n과 분산 v * n에서 정상보다 "n"더 빠르다는 것을 알지만, 평균과 분산에
간단한 문제의 예부터 시작하겠습니다. 한 사람이 제품 A를 소유 10 명, 2 명 자신의 제품 B U = 10, A = 1의 우주를 가정, B = 2 지금은 기회를 찾으려면 : 1) 사람이 제품을 소유하지 않음 ==> (1 - 1/10) * (1 - 2/10) = 0.72 2) 사람이 적어도 1 제품 ==> 1 - ((1-1/3) ==> (1/10) * (
scipy.stats.kde.gaussian_kde 및 scipy.stats.kstest을 컨 포멀 방식으로 어떻게 사용할 수 있습니까? 예를 들어 코드 : 샘플 분명히이 샘플에 건설되었다 분포에 속하기 때문에 사실이 아니다 (0.5396735893479544, 0.0) : from numpy import inf
import scipy.stat
my_p
비 -id 데이터에 관한 몇 가지 논문을 읽었습니다. 위키 피 디아 (Wikipedia)를 기반으로, iid (독립적이고 동일한 배포 된) 데이터가 무엇인지는 알고 있지만 여전히 비 iid에 대해 혼란 스럽습니다. 나는 약간의 연구를했지만 명확한 정의와 예제를 찾을 수 없다. 누군가 나를 도와 줄 수 있습니까? 위키 피 디아 iid에서