通过R中的np包实现的非参数CDF和pdf
是指使用R语言中的np包进行非参数概率密度函数（PDF）和累积分布函数（CDF）的估计。
非参数统计方法是一种不依赖于特定概率分布假设的统计方法，它可以根据样本数据直接估计概率分布函数。np包是R语言中用于非参数统计分析的一个常用包，它提供了一系列函数和工具来进行非参数估计。
使用np包进行非参数CDF和PDF的估计，可以通过以下步骤实现：
- 安装和加载np包：首先需要安装np包，可以使用以下命令进行安装：
install.packages("np")。安装完成后，使用library(np)命令加载np包。 - 数据准备：将需要进行非参数CDF和PDF估计的数据准备好，并存储在一个向量或数据框中。
- 创建np对象：使用
npudens()函数创建一个np对象，该对象将用于估计PDF。例如，可以使用以下命令创建一个np对象：np_obj <- npudens(data)。 - 估计PDF：使用
np_obj$estimate()函数对np对象进行PDF的估计。例如，可以使用以下命令进行PDF的估计：pdf_est <- np_obj$estimate()。 - 创建np对象：使用
npcdf()函数创建一个np对象，该对象将用于估计CDF。例如，可以使用以下命令创建一个np对象：np_obj <- npcdf(data)。 - 估计CDF：使用
np_obj$estimate()函数对np对象进行CDF的估计。例如，可以使用以下命令进行CDF的估计：cdf_est <- np_obj$estimate()。
通过以上步骤，就可以使用R中的np包实现非参数CDF和PDF的估计。这种方法适用于各种数据类型和分布情况，特别适用于没有明确分布假设的情况。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云主页：https://cloud.tencent.com/
- 云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 云数据库 MySQL 版：https://cloud.tencent.com/product/cdb_mysql
- 人工智能平台（AI Lab）：https://cloud.tencent.com/product/ailab
- 云存储（COS）：https://cloud.tencent.com/product/cos
- 区块链服务（Tencent Blockchain）：https://cloud.tencent.com/product/tencentblockchain
相关·内容
1回答
我有一个随机变量，我可以得到它的密度
density(r)->pdf
如何从这个带R的pdf中获得累积分布函数(cdf)？
我试过了
approxfun(pdf$x,pdf$y,yleft=0,yright=0)->f
cdf<-integrate(f,-Inf,2)
但是当我绘制cdf时，我只能获得
1.000396绝对误差< 7.9e-05
浏览 0提问于2015-04-17得票数 2
1回答
在之后，我试图用从scipy.stats获得的pdf绘制一个海上组织图。问题在于，所绘制的pdf是灾难性的，超出了规模(例如下面的例子)：
from scipy import stats
import matplotlib.pyplot as plt
import seaborn as sns
params = (20, -1500, 8000)
sample = stats.invgauss.rvs(size=1000, *params)
fig, ax = plt.subplots()
sns.histplot(sample, log_scale=True, kde=False, sta
浏览 4提问于2022-05-29得票数 1
回答已采纳
1回答
我想用mean=0和variance=1来测试一个数据集的分布与高斯分布的接近程度。
来自astropy.stats的测试有一个来自文档的cdf参数：“一个可调用来评估被测试分布的CDF的参数。将一次调用所有值的向量。默认值是均匀分布”，但我不知道如何使用这个参数来测试正态分布。如果我想要一个均值为0.2，方差为2的正态分布怎么办？
所以我使用了，同样来自astropy，并创建了一个随机正态分布。请参见下面的示例。
我看到的问题是，它取决于我生成的要比较的数据点的数量。如果我使用100点而不是10000个数据点，概率(fpp)将提高到43%。
我想问题是，我该如何正确地做到这一点？另外，我如何
浏览 7提问于2020-08-26得票数 1
我现在使用scipy进行一些norm.pdf和norm.cdf计算。我想知道为什么cdf比pdf快
我知道对于norm.cdf有一些渐进的方法，而在scipy中，似乎使用了norm.pdf的集成。这就是为什么我无法想象cdf比pdf更快的原因。如果是这样的话，cdf应该比pdf慢得多(也许并行计算会有很大帮助？)；如果采用渐近方法，我仍然认为cdf可能比pdf慢一些。
下面是一些简单的示例：
import scipy.stats as st
from datetime import datetime
import numpy as np
num_iter = 100000
x_lower =
浏览 13提问于2020-05-25得票数 2
回答已采纳
我编写了下面的代码，得到的是下面的输出。我想要做的是写一个直方图均衡化函数(没有内置的方法)，我没有错误，但输出不是它应该是的。我没有注意到我的代码有任何逻辑错误。尽管在编写用于计算cdf和/或映射的循环时，我无法准确地跟踪它背后发生的情况，但问题可能在那里，但我不确定。
def my_float2int(img):
img = np.round(img * 255, 0)
img = np.minimum(img, 255)
img = np.maximum(img, 0)
img = img.astype('uint8')
浏览 2提问于2021-03-08得票数 1
回答已采纳
1回答
绘制均匀连续分布的CDF
、、、
我正在尝试绘制均匀连续分布的pdf和cdf。代码如下： from scipy.stats import uniform
import matplotlib.pyplot as plt
import numpy as np
fig, ax = plt.subplots(1, 1)
# Genrating uniform distribution
uniform_distribution = uniform.rvs(0, 1, 1000)
x = np.linspace(uniform.ppf(0.01),uniform.ppf(0.99), 1000)
ax.hist(uniform_di
浏览 27提问于2020-01-22得票数 1
1回答
我需要最常见概率分布的PDFs/log PDF/CDF的(分析)导数w.r.t。对于R中的参数，有没有办法使用这些函数？
提供了许多概率分布()的日志PDF的导数。PDF/CDF是否有类似之处？
编辑：诚然，通过简单应用链规则，可以从日志PDF的导数中得到PDFs的导数，但我认为CDF不可能有类似的结果。
浏览 3提问于2017-10-26得票数 1
1回答
Python单边KS测试
、、、
针对大量的理论概率分布，我对我的分布进行了单向的KS检验(观测到了一个从0到100之间的公共交通网格的占用情况)：
cdfs = [
"norm", #Normal (Gaussian)
"alpha", #Alpha
"anglit", #Anglit
"arcsine", #Arcsine
"beta", #Beta
"betaprime",
浏览 6提问于2019-12-20得票数 2
回答已采纳
2回答
Mathematica有一个四参数广义逆伽马分布：
在那页上也给出了它的PDF。是否有人在R中实现了密度、分布、分位数和抽样的功能？
我做了一个快速的开始( PDF只是那个页面上转换成R的方程式)，但是如果它已经完成了，我就不会去实现CDF和分位函数了。
是否存在计算任何分布的PDF (PDF的积分)和分位数(反演PDF)的通用函数？
注意，这不是广义逆高斯
还请注意数学页面上的“属性和关系”下拉列表，这似乎意味着它不是任何东西的特例或概括(除了逆伽玛)。
浏览 1提问于2012-06-29得票数 4
回答已采纳
2回答
我如何在R中找到方阵(对于一般维数n×n)的一个恒等式？特别地，我试图找到独立但不同分布总体的顺序统计量的pdf，这包括计算其元素为原始总体的pdf和cdf的矩阵的恒等式。
谢谢
浏览 4提问于2014-06-12得票数 4
1回答
如何在Python中实现KS测试
、、、、
scipy.stats.kstest(rvs, cdf, N)可以在dataset rvs上执行KS测试.它测试数据集是否遵循可选分布，其cdf是在此方法的参数中指定的。
现在考虑一下N=4800示例的数据集。我已经对这些数据执行了一个KDE，因此，有一个估计的PDF。这个PDF看起来非常像一个双峰分布。在绘制估计的PDF和curve_fitting的双峰分布时，这两幅图几乎是相同的。拟合的双峰分布参数为(scale1，mean1，stdv1，scale2，mean2，stdv2)：[0.6 0.036 0.52, 0.23 1.25 0.4]。
如何应用scipy.stats.kstest测
浏览 0提问于2019-05-13得票数 2
有谁知道如何在枕木的“基因极值”分布中设置“Q”参数(控制上下尾概率)？
#/usr/bin/env python
将numpy导入为np
进口pylab作为plt
来自scipy.stats导入genextreme
mu，西格玛= 10，4 4QUESTION:你是如何将q (下尾概率或上尾概率)设为gene极值的？rv =gen极值(c=，loc=mu，scale=sigma)
X= np.linspace(0，40，50) #从0-40生成50个值
y_pdf = rv.pdf(x)
plt.plot( x，y_pdf，'ro-'，label='PDF‘)
y_
浏览 2提问于2014-01-27得票数 0
3回答
我想要生成一个整数随机数，它有一个概率分布函数，作为一个列表。例如，如果pdf=3,2,1，我喜欢rndWDist(pdf)返回0,1和2，概率分别为3/6、2/6和1/6。我为此编写了自己的函数，因为我在随机模块中找不到它。
def randintWDist(pdf):
cdf=[]
for x in pdf:
if cdf:
cdf.append(cdf[-1]+x)
else:
cdf.append(x)
a=random.randint(1,cdf[-1])
i=0
浏览 5提问于2014-09-03得票数 5
回答已采纳
1回答
用熊猫绘制CSV文件中列的CDF
、、、、
我希望使用从CSV文件中绘制CSV列的值，如下所示：
我试过一些密码，但他们没有报告正确的情节。你能帮上忙吗？
df = pd.read_csv('pathfile.csv')
def compute_distrib(df, col):
stats_df = df.groupby(col)[col].agg('count')\
.pipe(pd.DataFrame).rename(columns={col: 'frequency'})
# PDF
stats_df['pd
浏览 2提问于2021-10-31得票数 0
回答已采纳
2回答
利用直方图生成一些随机数据来估计概率密度函数。我现在想要两个版本的直方图，即等边宽度和等边高度直方图。
# -*- coding: utf-8 -*-
from scipy.stats import norm
import matplotlib.pyplot as plt
#import pandas as pd
import numpy as np
fig, ax = plt.subplots(1, 1)
#Calculate a few first moments:
mean, var, skew, kurt = norm.stats(moments='mvsk')
#
浏览 2提问于2020-06-11得票数 2
回答已采纳
2回答
我试图用下面的PDF创建扭曲的正态分布
为此，我使用了以下命令(来自)：
我想做以下几件事：
SkewedNormal :=分布(PDF=不适用(2*Phi( x，mu，σ)*Phi(alpha*x，mu，σ)，x，mu，σ，α))
此命令执行时不会出现错误，与以下命令相同：
R := RandomVariable(SkewNormal)
但是，当我尝试做以下工作时，问题就开始了：
CDF(R，x)
错误，(在统计：-CDF中)无效输入:q使用第三个参数西格玛，这是缺少的
好的，我添加第三个参数：
CDF(R，x，y)
错误，(统计量：-CDF)意外参数:y
如果您以前尝试以下列方式插入随
浏览 0提问于2011-07-12得票数 0
正如我们可以按照正态分布编写随机变量X的CDF和PDF，以及它的参数-- std和，使用CDF的方式如下：
from numpy import sqrt, pi, exp
mean, std = 295, 250
# defining Cumulative density function
def cdf(x):
cdf_eqn = lambda t: (1 / (std * sqrt(2 * pi))) * exp(-(((t - mean) ** 2) / (2 * std ** 2)))
cdf = quad(cdf_eqn, -np.inf, x)[0]
re
浏览 20提问于2020-06-16得票数 0
回答已采纳
我正在使用以下代码在python中绘制多个CDF图：
count, bins_count = np.histogram(np.log10(my_array), bins=100)
#Finding the pdf for the histogram
pdf = count / sum(count)
#Calculating the cdf
cdf = np.cumsum(pdf)
plt.plot(bins_count[1:], cdf, color='g')
我在一个循环中重复了多次，并将
浏览 3提问于2022-04-25得票数 0
1回答
问题
Tl;dr：我想要一个函数，它以类似于“高斯”和均匀分布之和的概率分布，在一个区间内随机返回一个浮点数(或者可选为浮点数)。
函数(或类)--比方说custom_distr() --应该有输入(默认值已经给定)：
区间的上下界：low=0.0，high=1.0
“高斯”：loc=0.5，scale=0.02的均值和标准差参数
输出的大小：size=None
size可以是整数或整数的元组。如果是这样的话，那么loc和scale既可以同时是标量，也可以是shape对应于size的ndarray。
输出是标量还是ndarray，取决于大小。
输出必须进行缩放，以证明累
浏览 1提问于2021-05-25得票数 1
回答已采纳
我需要绘制从文件中读取的整数值。我正在学习的例子。我不知道如何规范数据的pdf，然后计算民防。
import numpy as np
from pylab import *
with open ("D:/input_file.txt", "r+") as f:
data = f.readlines()
X = [int(line.strip()) for line in data]
Y = exp([-x**2 for x in X]) # is this correct?
# Normalize the data to
浏览 0提问于2018-09-26得票数 1
回答已采纳
我已经计算了桥梁的荷载，我想用最大似然估计将Gumbel分布拟合到其中最高的20%。我需要帮助计算分布的参数。我已经阅读了scipy.optimize文档，但我无法理解如何在其中应用函数来估计两个参数函数。
这里有一些可能有用的理论:有两个似然函数(L1和L2)，一个用于某个阈值以上的值(x>=C)，一个用于低于某个阈值的值(x < C)，现在最有可能的参数是在两个函数(L1*L2)之间相乘的最大值处的参数。在这种情况下，L1仍然是在xi处概率密度函数值乘积的乘积，但L2是超过阈值C的概率(1-F(C))。
下面是我编写的一些代码：
non_truncated_data = ([1
浏览 2提问于2014-04-22得票数 2
回答已采纳
嘿，我有下面的Matlab代码。它抱怨的是：
?？?输入参数"r“未定义。
在8 b=r的==> BlackScholesPriceTmp中出现错误；
代码：
%function [price,delta,gamma,vega,theta]=BlackScholesPriceTmp(CallPutFlag,S,X,T,r,v,noutparams)
function [price,delta,gamma,vega,theta]=BlackScholesPriceTmp(CallPutFlag,S,X,T,r,v,noutparams)
delta=0;
gamma=0;
vega
浏览 1提问于2011-05-15得票数 0
我实现了KS-Test来测试哪些分布更适合在一起。此时，我给出了CDF作为输入，因为标准的KS-Test涉及计算函数的CDF之间的最大差。我只想知道这是不是正确的方法。或者我应该使用PDFS作为输入？统计值和p值对我来说似乎很好。有了KS-Test的临界值，我就可以选择我不应该拒绝的假设检验。
代码示例
gammafit = stats.gamma.fit(h4)
pdf_gamma = stats.gamma.pdf(lnspc, *gammafit)
cdf_gamma = stats.gamma.cdf(lnspc, *gammafit)
plt.plot(lnspc, pdf
浏览 8提问于2018-07-15得票数 0
我试图从Python中的对数正态分布中生成随机样本，这个应用程序是用来模拟网络流量的。我想要生成这样的样本：
模态抽样结果为320 (~10^2.5)
80%的样品在100 ~ 1000 (10^2 ~ 10^3)范围内。
我的策略是使用逆CDF (我相信是Smirnov变换)：
用PDF表示中心约为2.5的正态分布，计算10^x的PDF，其中x~ N(2.5，西格玛)。
计算上述分布的CDF。
沿0到1的间隔生成随机均匀数据。
利用逆格式将随机均匀数据转换为所需的范围。
问题是，当我在最后计算第10和第90百分位数时，我得到了完全错误的数字。
这是我的
浏览 7提问于2017-03-21得票数 3
回答已采纳
1回答
加速比自定义连续随机变量
、、、、
我已经创建了一个子类，它似乎在做我想做的事情，但是它非常慢。下面的代码和测试结果。
我使用的分布函数(破坏幂律)很容易集成和计算属性，那么是否有另一种内部方法，我应该用解析值子类来使它更快呢？关于rvs实际上是如何绘制的，文档还不清楚，但大概是在寻找与cdf相反的东西。
class Broken_Power_Law(sp.stats.rv_continuous):
def __init__(self, slopes, breaks, name='Broken_Power_Law'):
"""
Here `slop
浏览 3提问于2017-11-22得票数 2
回答已采纳
1回答
累积密度函数的精确导数是概率密度函数(PDF)吗？我用numpy.diff()来计算导数，这是对的吗？见下文代码：
import scipy.stats as s
import matplotlib.pyplot as plt
import numpy as np
wei = s.weibull_min(2, 0, 2) # shape, loc, scale - creates weibull object
sample = wei.rvs(1000)
shape, loc, scale = s.weibull_min.fit(sample, floc=0)
x = np.linspa
浏览 2提问于2013-07-30得票数 9
回答已采纳
1回答
我有一个成本函数f(r，Q)，，它在下面的代码中得到。代价函数f(r，Q)是双变量r和Q的函数。我要在下面给出的范围内绘制r和q的所有值的代价函数的值，并求出f(r，Q)的全局最小值。
R和q的范围分别为：
0 <r< 5000
5000 <Q< 15000
图应位于r，q和f(r，Q)轴上。
成本职能代码：
from numpy import sqrt, pi, exp
from scipy import optimize
from scipy.integrate import quad
import numpy as np
mean, std = 295, 250
浏览 3提问于2020-06-10得票数 1
回答已采纳
我正在开发一个发行版，它的PDF和CDF是 ? 显然，CDF的形式并不整洁。那么，我如何在R中从这个CDF生成数据，因为逆向CDF方法不能在这里应用？我正在使用下面的R程序从这个dist生成一个样本，但是我不能证明每一步都是正确的。下面是我的代码： alpha=1.5; beta=3.2;
pdf=function(x)((beta/alpha)*((x/alpha)^beta)*sin(pi/beta))/(((1+(x/alpha)^beta)^2)*(pi/beta))
rand_smplfunc <- function(func, lower, upper){
浏览 42提问于2021-02-07得票数 1
我有一个丢包率的CDF分布图。因此，我没有原始数据或CDF模型本身，而是CDF曲线的样本。(数据是从文献中公布的情节中提取出来的。) 我想找出哪个分布和什么参数提供了与CDF样本最接近的拟合。 我已经看到，Scipy统计分布提供了fit(数据)方法，但所有示例都适用于原始数据点。随后从拟合的参数中提取PDF/CDF。对我的CDF示例使用fit并不能得到合理的结果。 假设fit()不能直接应用于来自经验CDF的数据样本，这是正确的吗？ 我可以使用哪些替代方案来查找匹配的已知分布？
浏览 18提问于2018-12-28得票数 0
回答已采纳
2回答
我使用lambda函数在Python中定义了一个现有函数。该函数表示概率分布的PDF。我想构造另一个lambda函数-一行，它代表CDF。
我不希望使用带有def关键字的单独函数定义。
下面是我一直使用的代码部分：
import numpy as np
import scipy.integrate as integrate
#define range
dx=0.01
X = np.arange(0,13,dx)
#define a piecewise function for the spline
ul = 1.0
f_pdf = lambda x: np.piecewise(x, [x
浏览 0提问于2017-11-08得票数 1
回答已采纳
编辑：计算出了发行版。除形状参数为负值外，得到的效果最好。PDF应该适用于负形状值，但不适用于子类分布。
我试图创造一个扭曲的正态分布与枕的统计。我现在只需要PDF。
我对rv_continuous进行了子类化，但是当我使用skew_norm.pdf(x, shape)时，会得到一个NaN数组。
这是我的班级：
class skew_norm_gen(rv_continuous):
def _pdf(self, x, s):
return 2 * norm.pdf(x) * norm.cdf(x * s)
skew_norm = skew_norm_gen(name
浏览 3提问于2014-07-30得票数 3
回答已采纳
我可以从运行这个例子
mu = [1, 2, 3.]
diag_stdev = [4, 5, 6.]
dist = tf.contrib.distributions.MultivariateNormalDiag(mu, diag_stdev)
dist.pdf([-1., 0, 1])
但是，当我用最后一行代替dist.cdf([-1., 0, 1])时，我得到了一个未实现的错误：
NotImplementedError: log_cdf is not implemented
至少就目前而言，有人能提出解决办法吗？
浏览 3提问于2016-08-23得票数 0
回答已采纳
2回答
我想计算给定pdf的逆累积密度函数(逆cdf)。pdf被直接给出为直方图，即N个等间距分量的向量。
我目前的方法是：
cdf = cumsum(pdf);
K = 3; %// some upsampling factor
maxVal = 1; %// just for my own usage - a scaling factor
M = length(cdf);
N = M*K; %// increase resolution for higher accuracy
y = zeros(N, 1);
cursor = 2;
for i=1:N
desiredF = (i
浏览 1提问于2012-02-08得票数 4
我试图运行一个Bioconductor package (truncateCDF)来修改环境(Hgu133plus2cdf)，以便从affymetrix芯片中删除不需要的探测集。一切都很顺利，直到我收到以下消息(从法语翻译过来)：
> assign(cdfname, cdf.env, env=CDF.env)
Error in assign(cdfname, cdf.env, env = CDF.env) :
impossible to change the value of a locked link for 'hgu133plus2cdf'
赋值函数是代码的
浏览 2提问于2012-07-20得票数 1
1回答
我创建了一个函数来计算我的dataframe列的CDF。它返回一个新的数据格式，其中包含column passed、frequency、计算PDF和CDF，如下所示：
import pandas as pd
import numpy as np
def compute_distrib(df, col):
stats_df = df.groupby(col)[col].agg('count').pipe(pd.DataFrame).rename(columns = {col: 'frequency'})
# PDF
stats_
浏览 1提问于2020-07-29得票数 0
回答已采纳
2回答
如何正确地抽样截断分布？
、、、、
我正在努力学习如何对截断的发行版进行示例。首先，我决定尝试一个简单的例子，我在这里找到了
我并不真正理解CDF的划分，所以我决定稍微修改一下算法。采样是x>0值的指数分布，这里是一个示例python代码：
# Sample exponential distribution for the case x>0
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm
def pdf(x):
return x*np.exp(-x)
xvec=np.zeros(1000
浏览 3提问于2017-12-21得票数 7
回答已采纳
我试着用蒙特卡洛的方法。在R中，为了找到这个问题的一个解:我有一个x~ U(0,1和Y=log(X) )。我想要的是一个估计的pdf和民防部队。问题是，我的目标是在不使用ECDF的情况下获得对CDF的估计。那么，有什么方法可以接近我的民防没有这个科曼德？理论上，我可以集成我的pdf，但我不知道它的确切形状。
为了获得这两个代码，我创建了以下R代码：
X = runif(1000) # a= 0 and b=1 default
sample = log(X)
hist(sample, xlim=c(-6,0), main="Estimated vs true
浏览 8提问于2022-12-02得票数 0
我想找出成本函数T的最小值。代价函数T在两个变量(Q和r)中有一个表达式。我还需要找到、Q和r的值，在此值下，成本函数T达到全局最小值。(如果多个全局最小值-那么所有)q和r的界是：0 <q< 15000；0<r< 5000这里是方程
我使用来生成方程。并利用的最小化函数求出最小值。这些职能的代码是：
from sympy import *
from scipy.optimize import root_scalar
mean, std = 291, 253
l = 7 #
m = 30
#Q = mean*(lead_time + shelf_life)
p
浏览 2提问于2020-06-09得票数 1
回答已采纳
1回答
Python中的多元正态CDF
、、、、
我正在寻找一个函数来计算多变量正态分布的CDF。我发现scipy.stats.multivariate_normal只有一种方法来计算PDF (对于示例x)，而没有CDF multivariate_normal.pdf(x, mean=mean, cov=cov)。
我正在寻找相同的东西，但是要计算cdf，类似于：multivariate_normal.cdf(x, mean=mean, cov=cov)，但不幸的是multivariate_normal没有cdf方法。
我发现的唯一一件事是：，但是所给出的方法scipy.stats.mvn.mvnun(lower, upper, means,
浏览 190提问于2016-11-07得票数 3
1回答
我有一个pdf，它是正态分布的线性变换：
T = 0.5A + 0.5B
Mean_A = 276
Standard Deviation_A = 6.5
Mean_B = 293
Standard Deviation_A = 6
如何计算Python中T在281到291之间的概率？
我尝试了以下代码：
mu1 = 276
sigma1 = 6.5
mu2 = 293
sigma2 = 6
normalized = 0.5 * scipy.stats.norm.pdf(x, loc = mu1, scale = sigma1) + 0.5 * scipy.stats.norm.p
浏览 0提问于2019-11-23得票数 0
回答已采纳
1回答
从pdf中选择随机值
、、、、
考虑到数据：
Brick_cp = pd.DataFrame({"CP":Brick_cp})
对应于这一分布：
sns.distplot(Brick_cp, fit = stats.norm)
然后根据以下值创建一个正常函数：
loc, scale = stats.norm.fit(Brick_cp.astype(float))
loc，scale = Out[]：(911.1121589743589，63.42365993765692)
#PROBABILITY DENSITY FUNCTION (PDF)
x = np.linspace (start = 600, st
浏览 4提问于2021-12-16得票数 0
回答已采纳
1回答
CDF/PDF图未显示
、、、、
我可以从熊猫的数据中得到一个直方图，以显示良好。我还想在同一幅图上显示PDf/CDF的线状图。
我的代码：
import scipy.stats as stats
from scipy.stats import norm
samples=twentyandmiddle['age']
print samples.head(5)
plt.hist(samples, bins=40, normed=True)
#samples=samples[0]
plt.plot(samples,norm.pdf(samples), 'r-', lw=5, alpha=0.6
浏览 0提问于2014-08-31得票数 0
回答已采纳
如何使用Plotly在Pandas DataFrame中使用频率分布数据绘制CDF图？假设下面的玩具数据 value freq
1 3
2 2
3 1 所有示例都显示了如何使用如下所示的原始数据执行此操作： value
1
1
1
2
2
3 我可以像这样用Pandas .plot做到这一点(但我更喜欢用Plotly做同样的事情)： stats_df = df
stats_df['pdf'] = stats_df['count'] / sum(stats_df['count'])
# calcu
浏览 46提问于2020-12-22得票数 2
回答已采纳
3回答
我已经用R和Julia两种语言构建了两个几乎相同的程序。
在此之前，我知道有一种方法可以提高Julia代码的性能，因为我没有声明类型，而且通常非向量化代码的效率更高。然而，朱莉娅代码和R代码都在相同的地形上允许比较。
备注：我开始学习茱莉亚一个星期，所以你可以看出，我与朱莉娅编程不太好。
我注意到Optim包提供了optimize()函数。与默认安装的R语言的stats包以及R语言相比，它的速度非常慢。
下面分别是代码R和Julia：
R代码：
rm(list=ls(all=TRUE))
Gexp <- function(par,x){
lambda <- par[1]
浏览 0提问于2018-06-08得票数 0
回答已采纳
1回答
我在包rplcon()中使用poweRlaw函数生成一些随机变量。
data <- rplcon(1000,10,2)
现在，我想知道哪些已知的发行版最适合数据。洛格诺姆？经验？伽马？权力法？指数截止的幂律？
所以我在包fitdist()中使用函数fitdistrplus
fit.lnormdl <- fitdist(data,"lnorm")
fit.gammadl <- fitdist(data, "gamma", lower = c(0, 0))
fit.expdl <- fitdist(data,"exp")
由于
浏览 5提问于2016-05-11得票数 3
2回答
我试图绘制一组值的正态分布曲线。不幸的是，下面的代码(取自此)似乎没有在直方图上正确地绘制曲线(请参阅附图)。我肯定我错过了什么，或者做了一些愚蠢的事情，但我似乎不明白。有人能帮忙吗？我在下面列出了我的代码--我从dataframe中获得了值，但为了方便起见，我已经将这些作为list s包括进来了：
import numpy as np
import scipy
import pandas as pd
from scipy.stats import norm
import matplotlib.pyplot as plt
from matplotlib.mlab import normp
浏览 4提问于2020-06-04得票数 0
回答已采纳
1回答
我是Python的新用户，我正在尝试将一些实验数据与CDF的数据进行拟合。数据如下，它们应该以x轴对数比例绘制： %matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x=np.array([0.995, 3.003, 5.908, 10.525, 13.617, 24.321, 33.917, 47.843, 64.172, 91.353, 126.745, 174.118, 225.059, 292.998, 369.133, 640.295, 828.169, 1255.39, 1496.613,
浏览 67提问于2019-05-17得票数 0
1回答
我试图用求解包含积分的下列方程：
我试着使用下面的代码计算整体部分，但是在r中生成表达式需要很长时间。
from sympy import *
mean,std =0,1
Q=250
#defining Cumulative distribution function
def cdf(mean,std):
t,x = symbols('t,x')
cdf_eqn = (1/(std*sqrt(2*pi)))*exp(-(((t-mean)**2)/(2*std**2)))
cdf = Integral(cdf_eqn, (t,-oo,x)).doit()
re
浏览 4提问于2020-06-02得票数 1
回答已采纳
3回答
gaussian_kde函数在scipy.stats中有一个函数evaluate，它可以返回输入点的PDF值。我试着用gaussian_kde来估计逆CDF。其动机是生成一些输入数据的蒙特卡罗实现，这些数据的统计分布是用KDE数值估计的。是否有一个绑定到gaussian_kde的方法可用于此目的？
下面的示例显示了在高斯分布的情况下应该如何工作。首先，我展示了如何进行PDF计算，以设置我要实现的特定API：
import numpy as np
from scipy.stats import norm, gaussian_kde
npts_kde = int(5e3)
n = np.ran
浏览 15提问于2017-11-21得票数 10
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
