标签: apache-commons-math

我有一个问题,我想使用概率分布生成1到5之间的一组随机整数值.

Poisson和Inverse Gamma是两个分布,它们显示了我所发现的特征(多数均值,更低的数字).

我正在寻找使用Apache Commons Math,但我不知道如何使用可用的发行版生成我想要的数字.

我一直在寻找一种方法来计算给定列表中每个值的百分等级,到目前为止我还没有成功.

org.apache.commons.math3为您提供了一种从值列表中获取第p个百分位数的方法,但我想要的是相反的.我想对列表中的每个值进行排名.是否有人知道一个库或Apache公共数学方法来实现这一目标？

例如:给定一个值列表{1,2,3,4,5},我希望每个值具有百分等级,最大百分位数为99或100,最小值为0或1.

更新的代码:

public class TestPercentile {

public static void main(String args[]) {
    double x[] = { 10, 11, 12, 12, 12, 12, 15, 18, 19, 20 };
    calculatePercentiles(x);
}

public static void calculatePercentiles(double[] arr) {
    for (int i = 0; i < arr.length; i++) {
        int count = 0;
        int start = i;
        if (i > 0) {
            while (i > 0 && arr[i] == arr[i - 1]) {
                count++;
                i++;
            }
        }
        double perc …

我需要使用MLE从样本数据中估计Weibull分布的形状和比例参数.我检查了Apache commons Math的WeibullDistribution类,但它没有这样的功能.有什么建议吗？我需要在我的java应用程序中使用该类.

我在我的项目中使用 apache-commons-math RealMatrix 来处理矩阵运算，但是我无法以正确的格式打印它。

到目前为止，对于我拥有的每个矩阵，它都是这样的：

double coord[][] = new double[3][3];
                    
        coord[0][0] = 1d;    
        coord[0][1] = 0d;    
        coord[0][2] = 0d;    

        coord[1][0] = 2d;    
        coord[1][1] = 1d;    
        coord[1][2] = 1d;    

        coord[2][0] = 3d;    
        coord[2][1] = 2d;    
        coord[2][2] = 0d;    
    
        
    System.out.println("coordinates  [nó, x, y]");
        for(int co = 0 ; co < 3 ; co++){
            for(int or = 0 ; or < 3 ; or++){
                System.out.printf("%10.5f\t",coord[co][or]);
            }
            System.out.print("\n");
        }

输出：

    coordinates  [nó, x, y]
   1,00000     0,00000     0,00000  
   2,00000     1,00000     1,00000  
   3,00000     2,00000     0,00000

但是当我使用 …

我正在寻找一个java库/实现,它支持以合理的精度计算β分布的逆累积分布函数(也就是分位数的估计).

当然我已经尝试过apache commons math,但是在版本3中,似乎仍然存在一些精度问题.下面引出这个问题的问题被广泛描述.

假设我想通过大量试验来计算β分布的可信区间.在apache commons math ...

final int trials = 161750;
final int successes = 10007;
final double alpha = 0.05d;

// the supplied precision is the default precision according to the source code
BetaDistribution betaDist = new BetaDistribution(successes + 1, trials - successes + 1, 1e-9);

System.out.println("2.5 percentile :" + betaDist.inverseCumulativeProbability(alpha / 2d));
System.out.println("mean: " + betaDist.getNumericalMean());
System.out.println("median: " + betaDist.inverseCumulativeProbability(0.5));
System.out.println("97.5 percentile :" + betaDist.inverseCumulativeProbability(1 - alpha / 2d)); …

我试图用公式A*EXP(-BX)对各个点(x,y)进行指数拟合,试图找到最适合我的点的A和B.

double[] xx = curveFitter.fit(new ParametricUnivariateFunction() {
                public double value(double v, double... doubles) {
                    return doubles[0] * Math.exp(-1 * doubles[1] * v);
                }

                public double[] gradient(double v, double... doubles) {
                    return new double[]{v, 1};
                }
            }, new double[]{0, 0});

我得到了一些数字,但它们不符合我的观点,似乎无法找到上述任何文档.

使用commons-math3-3.0

我试图用公共数学来计算多项式中的常数.它看起来像例程存在但我得到了这个错误.有谁看到这个问题？

我试图将这个问题转换为commons-math:https: //math.stackexchange.com/questions/121212/how-to-find-curve-equation-from-data

从绘制数据(Wolfram | Alpha链接),它看起来不是线性的.所以最好用多项式拟合.我假设您想要拟合数据:

XY 1 4 2 8 3 13 4 18 5 24 ..使用二次多项式y = ax2 + bx + c.

而wolfram alpha提供了很好的实用性.我希望我能得到像沃尔夫拉姆一样的答案.

http://www.wolframalpha.com/input/?i=fit+4%2C+8%2C+13%2C

例如,通过输入该数据,我得到:4.5 x-0.666667(线性)

这是代码和错误:

import org.apache.commons.math3.stat.regression.OLSMultipleLinearRegression;
import org.apache.commons.math3.stat.regression.SimpleRegression;
final OLSMultipleLinearRegression regression2 = new OLSMultipleLinearRegression();
double[] y = {
        4.0, 
        8, 
        13,                 
};      
double[][] x2 = 
    {
        { 1.0, 1, 1  },
        { 1.0, 2, 4  },
        { 0.0, 3, 9  },             
    };
regression2.newSampleData(y, x2);
regression2.setNoIntercept(true);
regression2.newSampleData(y, x2);       
double[] beta = regression2.estimateRegressionParameters();
for …

我正在寻找有关第三方库的建议,用于对BigDecimal/BigInteger中编码的数字进行统计分析.

Apache commons-math包含所有理想的功能(它是DescriptiveStatistics和SummaryStatistics)......但它使用的是双打而不是BigXXX实现.

由于对我的软件精度的监管要求,我需要使用BigXXX实现.但是我非常希望不要自己实现我需要的基本统计数据.

例如,编写我自己的中值算法很容易 - 但是拾取高精度数据类型似乎违反直觉,然后使用我自己的不成熟(因此,可能是错误的)方法来执行它们的统计.

我想提高室内定位框架的准确性,因此应用kalmanfilter.我发现apache commons数学库支持Kalmanfilter,所以我尝试使用它并遵循教程:https://commons.apache.org/proper/commons-math/userguide/filter.html 我想我已正确设置矩阵用于2D定位,而状态由位置和速度组成.我的问题在于方法estimatePosition().如何获得正确的pNoise和mNoise变量？为什么我必须指定它们.我认为这就是Q和R矩阵的用途......我会给予每一个帮助!

public class Kalman {

    //A - state transition matrix
    private RealMatrix A;
    //B - control input matrix
    private RealMatrix B;
    //H - measurement matrix
    private RealMatrix H;
    //Q - process noise covariance matrix (error in the process)
    private RealMatrix Q;
    //R - measurement noise covariance matrix (error in the measurement)
    private RealMatrix R;
    //PO - error covariance matrix
    private RealMatrix PO;
    //x state
    private RealVector x;

    // discrete time interval (100ms) between to steps …

我正在尝试使用apache commons数学库版本3.5+来解决优化问题.基本上,我正在尝试将(gamma)分布拟合到某些数据点.我似乎无法找到如何使用新的(版本3.5)优化工具(如SimplexSolver,SimplexOptimizer或OptimizationData)来解决一个简单的优化问题的简单示例.

之前已经在这里提出了类似的问题,但所有答案似乎都是针对旧版本的apache数学 - 在3.5版本中进行了重组,并且我找不到任何示例代码.

有没有人有一个工作示例如何使用新的优化器或求解器？我对SimplexOptimizer最感兴趣,但此时任何东西都会有用.