标签: variance

我有这样的类层次结构

public abstract class CalendarEventBase{}

public class TrainingEvent : CalendarEventBase{}

public class AuditEvent : CalendarEventBase{}

我想创建一个动作Action lamda,它具有CalendarEventBase类型的泛型类型参数,我可以将其分配给以下不同的方法:

public void EmailCancelation(TrainingEvent trainingEvent)

public void EmailCancelation(AuditEvent auditEvent)

我创建了以下非法作业:

Action<CalendarEventBase> emailCancelation = _trainingService.EmailTrainingCancellation;

编译器抱怨它期望一个带有void(CalendarEventBase)的方法作为签名.我对此感到惊讶,因为我认为它会接受更多衍生类型.

为了解决这个问题,我创建了以下委托,允许我完成我的任务:

public delegate void EmailCancelation<in T>(T calendarEvent) where T : CalendarEventBase;

我的问题是,我是否可以完成任务而无需创建额外的代表？我以为我可以创建一个Action实例.

任何帮助或指示,非常感谢.

投资组合方差计算如下：

port_var = W'_p * S * W_p

对于具有 N 资产的投资组合，其中

W'_p = transpose of vector of weights of stocks in portfolios
S = sample covariance matrix
W_p = vector of weights of stocks in portfolios

我有以下 numpy 矩阵。

投资组合中股票权重的数组（向量）（有 10 只股票）：

weights = np.array(
     [[ 0.09],
      [ 0.05],
      [ 0.15],
      [ 0.10],
      [ 0.15],
      [ 0.15],
      [ 0.08],
      [ 0.08],
      [ 0.1 ],
      [ 0.05]])

股票收益的协方差矩阵：

covar = np.array([[ 0.00154474  0.00079555  0.00099691  0.00052596  0.0005363   0.00062005
0.00064031  0.00037494  0.00018826  0.00132809], …

在Scala 2.10.4中,这编译:

trait Foo[-U,T]{
  type Contra = U
}

但是在2.11.0中同样失败了:

逆变型U出现在类型为反对特征Foo的类型U的不变位置[-U,T] {类型Contra = U}

有可用的解决方法吗？试图将Scala库移植到2.11并且需要逆变类型以获得编译器拾取的大量隐式defs(即使U不变量似乎不是一个选项).

谢谢

我想创建一个可排序的observableCollection,所以我开始创建一个继承observable的类,用一些方法对它进行排序,然后我希望该类将索引保存到子节点中,所以我创建了一个接口,公开了一个索引属性,其中我可以写入,并且我将我的集合类的T表示为我的接口,然后我希望能够从avery项目访问parentCollection,这里问题已经开始,因为父集合的类型是通用的...我已经尝试了很多解决方案,我认为协方差或不变性是方法,但我不能让它工作......

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace ClassLibrary1
{
    public class SortableCollection<T> : System.Collections.ObjectModel.ObservableCollection<T>, ISortableCollection<T> where T : ISortable<T>
    {
        public void Sort()
        {
            //We all know how to sort something
            throw new NotImplementedException();
        }

        protected override void InsertItem(int index, T item)
        {
            item.Index = index;
            item.ParentCollection = this;
            base.InsertItem(index, item);
        }
    }

    public interface ISortableCollection<T> : IList<T>
    {
        void Sort();
    }

    public interface ISortable<T>
    {
        Int32 Index { get; set; }
        ISortableCollection<T> ParentCollection { …

我有以下混合效应模型的输出。我想谈谈模型解释了多少变化。随机效应下的方差是否对应于残差（注：这里的试验是随机效应）所解释的变异？即 58.6 % 或者有其他方法来推断这一点

REML criterion at convergence: 71.9\n\nScaled residuals: \n     Min       1Q   Median       3Q      Max \n-1.82579 -0.59620  0.04897  0.62629  1.54639 \n\nRandom effects:\n Groups   Name        Variance Std.Dev.\n trial     (Intercept) 0.06008  0.2451  \n Residual              0.58633  0.7974  \nNumber of obs: 60, groups:  trial, 30\n\nFixed effects:\n                        Estimate Std. Error      df t value Pr(>|t|)    \n(Intercept)               1.5522     0.2684 12.6610  13.233  0.09888 \ndrugantho                 0.8871     0.1753 14.0000   1.043  0.31601    \ninterventionadded         0.2513     0.2553 14.0000  -1.276  0.32436 **   \nsexmale                   3.0026     0.6466 15.0000   4.066  0.00021  \n---\nSignif. codes:  0 \xe2\x80\x98***\xe2\x80\x99 …

有没有办法从具有函数 metaMDS 的 NMDS 对象确定解释的累积方差（度量拟合或 R^2m）？该对象返回压力、分数、分数的值，但我没有看到差异。该函数来自 vegan 包并执行非度量多维缩放。

metaMDS(comm, distance = "bray", k = 2, try = 20, trymax = 20, 
engine = c("monoMDS", "isoMDS"), autotransform =TRUE,
noshare = (engine == "isoMDS"), wascores = TRUE, expand = TRUE, 
trace = 1, plot = FALSE, previous.best,  ...)

我读到 R^2 是 1-总压力？

感谢任何建议。

我想扩展 Welford 的在线算法，以便能够使用多个数字（批量）进行更新，而不是一次只更新一个： https: //en.wikipedia.org/wiki/Algorithms_for_calculate_variance

我尝试从 wiki 页面更新算法，如下所示：

# my attempt.
def update1(existingAggregate, newValues):
    (count, mean, M2) = existingAggregate
    count += len(newValues) 
    delta = np.sum(np.subtract(newValues, [mean] * len(newValues)))
    mean += delta / count
    delta2 = np.sum(np.subtract(newValues, [mean] * len(newValues)))
    M2 += delta * delta2

    return (count, mean, M2)

# The original two functions from wikipedia.
def update(existingAggregate, newValue):
    (count, mean, M2) = existingAggregate
    count += 1 
    delta = newValue - mean
    mean += delta / count
    delta2 = newValue - …

我有一个包含以下列的数据框：Date、ID和Value。我需要执行均值、中位数和方差Value，我.agg这样使用：

df = dataset\
    .groupby(['ID', pd.Grouper(key='Date', freq='60T')])['Value']\
    .agg(['mean', 'median', 'var'])\
    .reset_index()

它成功计算平均值，但当需要计算中位数时，它只是重复平均值，并且不存储或创建 var 列。结果如下：

      ID                 Date      mean    median  var
0  13834  2017-02-09 12:00:00  1.474920  1.474920  NaN
1  13834  2017-02-09 16:00:00  4.424796  4.424796  NaN
2  13834  2017-02-09 20:00:00  2.241871  2.241871  NaN
3  13834  2017-02-10 00:00:00  2.654867  2.654867  NaN
4  13834  2017-02-10 04:00:00  2.654867  2.654867  NaN
5  13834  2017-02-10 08:00:00  0.511062  0.511062  NaN

在最后一个数字的末尾应该有方差列，但我什么也没得到（或NaNs，如果在数据框中显示）。我该如何解决？

有没有办法反映一个接口来检测其泛型类型参数和返回类型的差异？换句话说,我可以使用反射来区分两个接口:

interface IVariant<out R, in A>
{
   R DoSomething(A arg);
}


interface IInvariant<R, A>
{
   R DoSomething(A arg);
}

两者的IL看起来都一样.

我第一次遇到这些术语:输出安全,输入安全,输出不安全和输入不安全的C#语言规范的方差安全部分.我熟悉方差的概念(协方差和逆变),它基本上是指用一种类型代替另一种类型.

那么输出或输入安全的真正含义是什么？我们是在讨论泛型类型中的类型参数还是任何类型(引用或值)？