标签: normal-distribution

我想在pytorch中创建一个随机正态分布,mean和std分别为4,0.5.我找不到它的API.有谁知道？非常感谢.

我正在尝试使用C++ STD TechnicalReport1扩展来生成正常分布后的数字,但是这段代码(改编自本文):

mt19937 eng;
eng.seed(SEED);

normal_distribution<double> dist;
// XXX if I use the one below it exits the for loop
// uniform_int<int> dist(1, 52);

for (unsigned int i = 0; i < 1000; ++i) {
  cout << "Generating " << i << "-th value" << endl;
  cout << dist(eng) << endl;
}

只打印1"Generating ..."日志消息,然后永远不会退出for循环!如果我使用我注释掉的发行版,它会终止,所以我想知道我做错了什么.任何的想法？

非常感谢!

我正在尝试在[R]中制作直方图,以及描述直方图的正常曲线如下:

w<-rnorm(1000) 
hist(w,col="red",freq=F,xlim=c(-5,5))
curve(dnorm(w),-5,5,add=T,col="blue")

但是,当我尝试通过曲线函数绘制正常曲线时,显示以下错误:

Error en curve(dnorm(w), -5, 5, add = T, col = "blue") : 
  'expr' must be a function, or a call or an expression containing 'x'

我究竟做错了什么？

我有一个双变量高斯我定义如下:

I=[1 0;0 1];
mu=[0,0];
sigma=0.5*I;
beta = mvnrnd(mu,sigma,100);  %100x2 matrix where each column vector is a variable.

现在我想绘制上述矩阵的pdf轮廓.我做了什么:

Z = mvnpdf(beta,mu,sigma);  %100x1 pdf matrix

现在我想绘制双变量高斯beta的轮廓.我知道我应该使用命令轮廓,但这个要求Z是一个方阵.我该如何解决这个问题？我很困惑,不知道如何绘制双变量高斯的轮廓!! 任何帮助是极大的赞赏..

谢谢

在Python的任何软件包中都有多变量常态测试吗？我听说过一些scipy函数,但它们适用于多变量数据吗？我有一个数据集,每个点有30000个数据点,有1024个变量.我想检查这些变量是否具有多元正态分布.我如何在Python中执行此操作.

请帮忙.

我想编写一个将时间序列和标准偏差作为参数并返回调整后的时间序列的函数，该时间序列看起来像是预测。

使用此功能，我想测试系统的稳定性，该系统将获取天气预报的时间序列表作为输入参数。

我对这种功能的使用方法，如下所述：

vector<tuple<datetime, double>> get_adjusted_timeseries(vector<tuple<datetime, double>>& timeseries_original, const double stddev, const double dist_mid)
{

    auto timeseries_copy(timeseries_original);

    int sign = randInRange(0, 1) == 0 ? 1 : -1;


    auto left_limit = normal_cdf_inverse(0.5 - dist_mid, 0, stddev);
    auto right_limit = normal_cdf_inverse(0.5 + dist_mid, 0, stddev);

    for (auto& pair : timeseries_copy)
    {
        double number;
        do
        {
            nd_value = normal_distribution_r(0, stddev);
        }
        while (sign == -1 && nd_value > 0.0 || sign == 1 && nd_value < 0.0);


        pair = make_tuple(get<0>(pair), get<1>(pair) + …

我想知道在C++标准库中是否有任何高斯分布数生成器,或者是否有任何代码片段可以通过.

提前致谢.

有没有一个开源来计算多变量(其中维度大于3,而不是双变量或三变量)C,C++或Fortran中高斯分布的数字cdf？

我相信IMSL做到了; http://www.roguewave.com/portals/0/products/imsl-numerical-libraries/c-library/docs/7.0/html/cstat/default.htm?turl=multivariatenormalcdf.htm

是否存在允许寻找最佳(或最佳)变量转换的函数或包,以使模型的残差尽可能正常？

例如:

frml = formula(some_tranformation(A) ~ B+I(B^2)+B:C+C)
model = aov(formula, data=data)
shapiro.test(residuals(model))

是否有一个函数可以告诉什么是some_transformation()优化残差正态性的函数？

我正在使用以下代码来适应正态分布."b"(太大而不能直接发布)的数据集链接是:

b的链接

setwd("xxxxxx")
library(fitdistrplus)

require(MASS)
tazur <-read.csv("b", header= TRUE, sep=",")
claims<-tazur$b
a<-log(claims)
plot(hist(a))

绘制直方图后,似乎正态分布应该很好.

f1n <- fitdistr(claims,"normal")
summary(f1n)

#Length Class  Mode   
#estimate 2      -none- numeric
#sd       2      -none- numeric
#vcov     4      -none- numeric
#n        1      -none- numeric
#loglik   1      -none- numeric

plot(f1n)

xy.coords(x,y,xlabel,ylabel,log)中的错误:

'x'是一个列表,但没有组件'x'和'y'

当我尝试绘制拟合分布时,我得到上述错误,甚至f1n的摘要统计信息都没有.

非常感谢任何帮助.