我一直在搜索stackoverflow,在各种博客中阅读以回答我的问题"我可以将我的应用程序分发给某人,而无需获取他的设备UDID吗？"

我找到的答案都是关于"不!你必须有UDID列表"

但是我有人(私人公司)告诉我他们曾经安装过应用而没有将他们的设备UDID提供给开发人员.开发人员用来发送.ipa文件,他们只是将它拖放到iTunes中,就是这样!我晕了..

他们用哪种方式做了没有UDID？(我反对越狱,这不是选择)

或者,也许他们在撒谎？

我想知道JavaScript函数是否Math.random使用普通(与统一)分布.

如果没有,我如何获得使用正态分布的数字？我没有在互联网上找到一个明确的答案,一个算法来创建随机的正态分布数字.

我想重建施密特机器(德国物理学家).机器产生0或1的随机数,它们必须是正态分布的,这样我才能将它们绘制成高斯钟形曲线.

例如,随机函数产生120个数字(0或1),并且这些求和值的平均值(平均值)必须接近60.

我目前正在为客户构建一个iPhone应用程序,该应用程序将在内部分发.我的客户刚刚在Apple创建了他们的企业开发者帐户.

我已经为客户创建了一个网站,可以通过苹果公司提供的指令无线下载应用程序的测试版本:分发适用于iOS 4设备的企业应用程序.这些测试是通过我的标准帐户使用Adhoc配置文件完成的,该配置文件列出了其设计的UDID.

我现在正尝试使用他们的企业帐户部署应用程序.我创建了内部配置文件.我还创建了应用程序的存档,并使用此配置文件创建了.ipa文件以进行分发.

当我尝试下载应用程序时,我遇到了问题.当我进入我创建的网站下载应用程序时,我可以看到我的iPhone上的应用程序下载,图标下的文字说:"正在加载......".然后措辞变为"正在安装......".一旦进度条完成,应用程序就会消失.我还注意到我的设备上安装了内部配置文件.

我在多个设备上重复了几次这个过程,我用来测试这个应用程序的设备和那些我甚至没有使用过这个应用程序的设备.我甚至尝试在一台设备上删除所有配置文件.发生相同的过程,并再次自动安装内部供应文件.

究竟是什么问题还是我不​​做？

谢谢.

目前我正在主持一个我为自己的客户开发的Django应用程序,但我现在开始考虑将它卖给人们让他们自己托管.

我的问题是:如何打包和销售Django应用程序,同时保护其代码免受盗版或盗窃？分发一堆.py文件听起来不是一个好主意,因为我出售它的人也可以复制它们并传递它们.

我认为出于这个问题的目的,可以安全地假设购买它的每个人都将运行相同的(LAMP)设置.

我是新来的.我希望它将所有依赖jar飞行以及我的jar文件放在一个地方.SBT将运行该应用程序,但我已经散布了各种依赖项,并且.ivy文件夹中充满了我的jar文件间接依赖的东西.那么是否有一个简单的命令将它们全部复制到一个地方,以便我可以将它分发到另一台机器？

我们可以说截断的md5哈希仍然是均匀分布的吗？

为了避免误解:我知道当你开始从md5结果中删除部分时碰撞的可能性要大得多; 我的用例实际上是有意在故意碰撞.我也知道有其他 哈希方法可能更适合使用较短哈希的情况(实际上包括我自己的哈希),我肯定会研究那些.

但我也很想知道md5均匀分布是否也适用于它的大块.(认为​​这是一种燃烧的好奇心.)

由于mediawiki使用它(特别是最左边的两个十六进制数字作为结果的字符)来生成图像的文件路径(例如/4/42/The-image-name-here.png),并且他们可能也对至少接近均匀的分布感兴趣,我想答案是'是',但我实际上并不知道.

可视化scipy.stats分布

直方图可制成的scipy.stats正常随机变量看到分布的样子.

% matplotlib inline
import pandas as pd
import scipy.stats as stats
d = stats.norm()
rv = d.rvs(100000)
pd.Series(rv).hist(bins=32, normed=True)

其他发行版是什么样的？

我想保留virtualenv中包含的所有内容.这可能与OpenCV有关吗？我可以从头开始构建,我只需要首先设置virtualenv然后使用特殊的编译标志来告诉它安装到哪里？

我试图重新创建最大似然分布拟合,我已经可以在Matlab和R中做到这一点,但现在我想使用scipy.特别是,我想估计我的数据集的Weibull分布参数.

我试过这个:

import scipy.stats as s
import numpy as np
import matplotlib.pyplot as plt

def weib(x,n,a):
    return (a / n) * (x / n)**(a - 1) * np.exp(-(x / n)**a)

data = np.loadtxt("stack_data.csv")

(loc, scale) = s.exponweib.fit_loc_scale(data, 1, 1)
print loc, scale

x = np.linspace(data.min(), data.max(), 1000)
plt.plot(x, weib(x, loc, scale))
plt.hist(data, data.max(), normed=True)
plt.show()

得到这个:

(2.5827280639441961, 3.4955032285727947)

并且看起来像这样的分布:

我一直exponweib在阅读http://www.johndcook.com/distributions_scipy.html.我也尝试了scipy中的其他Weibull函数(以防万一!).

在Matlab(使用分布拟合工具 - 参见屏幕截图)和R(使用MASS库函数fitdistr和GAMLSS包)中,我得到(loc)和b(比例)参数更像1.58463497 5.93030013.我相信所有三种方法都使用最大似然法进行分布拟合.

如果你想去,我已经在这里发布了我的数据!为了完整起见,我使用的是Python 2.7.5,Scipy 0.12.0,R 2.15.2和Matlab 2012b.

为什么我会得到不同的结果!？

Github在存储库上有这个下载链接.如何将二进制分发添加到此列表中？

我在help.github上找不到任何信息,所以链接到一些文档会有所帮助.