如何将beta分布拟合到具有给定均值的数据？
将beta分布拟合到具有给定均值的数据可以通过以下步骤实现：
- 确定数据的均值：首先，计算给定数据的均值。这可以通过求取数据的总和并除以数据点的数量来完成。
- 确定beta分布的参数：beta分布由两个参数α和β控制。这些参数可以通过以下公式计算得出： α = (1 - μ) * ((μ / σ^2) - 1) β = α * (1 / μ - 1)
- 其中，μ是数据的均值，σ是数据的标准差。
- 使用参数拟合beta分布：使用计算得到的α和β参数，可以使用统计软件或编程语言中的相关函数来拟合beta分布。例如，在Python中，可以使用SciPy库的
scipy.stats.beta.fit函数来拟合beta分布。 - 绘制拟合曲线：将拟合得到的beta分布绘制成概率密度函数曲线，以便可视化拟合效果。可以使用绘图库（如Matplotlib）来实现。
- 验证拟合效果：可以使用拟合后的beta分布来生成随机样本，并与原始数据进行比较，以验证拟合效果。可以计算生成样本的均值和标准差，并与原始数据的均值和标准差进行比较。
在腾讯云中，可以使用云原生技术和相关产品来支持云计算和数据处理任务。例如，可以使用腾讯云容器服务（Tencent Kubernetes Engine，TKE）来部署和管理容器化的应用程序。此外，腾讯云还提供了云数据库（TencentDB）和云服务器（CVM）等产品，用于支持数据存储和计算需求。
请注意，本回答仅提供了一种拟合beta分布的方法，并介绍了腾讯云的一些相关产品。在实际应用中，可能还有其他方法和产品可供选择，具体取决于实际需求和场景。
相关·内容
我正在使用MATLAB对我的数据进行beta分布拟合。 为此，有几个选项，如fitdist，它提供了一组a和b，并且可以使用betastat或简单的mean和std命令访问统计数据(平均值和std)。 但是，如果我希望我的分布具有给定的均值，并且只有std是未知的，我该怎么办呢？ 这里有一个例子。我有一个可变bin大小的半直方图，定义了中心比率及其概率，如下所示： central_ratios = [.005 .1 .4 .8 1];
probabilities = [.5 .3 .1 .08 .02];
vul = sum(central_ratios.*probabiliti
浏览 52提问于2019-05-07得票数 1
1回答
我开始阅读毕晓普的“模式识别和机器学习”一书，并且遇到了一些不熟悉的符号。
情商。160的前缀是：“为此目的，我们假定，给定x的值，t的相应值具有高斯分布，平均值等于多项式曲线y(x, \mathbf{w}) = \sum_{j=0}^M w_j x^j#qcStackCode#。因此，我们有。”
p(t|x, \mathbf{w}, \beta) = {\cal N}(t|y(x, \mathbf{w}), \beta^{-1}) \tag{1.60}
我理解LHS阅读“概率密度作为t的函数，给定x，\mathbf{w}和\beta”。RHS是一个方差\beta^{-1}的正态分布。我不
浏览 0提问于2022-12-27得票数 2
回答已采纳
我试图理解有界响应变量的数据集的两种不同的拟合方法之间的区别。响应变量是一个分数，因此范围为0,1。我通过Google搜索发现，有很多不同的方法，因为这是一个常见的操作。我目前感兴趣的股票R GLM拟合和Beta回归提供的betareg包之间的差异。我使用来自"betareg“包的GasolineYield数据集作为我的示例数据集。在我发布代码和结果之前，我的两个问题如下：
我是否正确地使用内建R GLM在R中进行Logistic回归拟合？
为什么Beta回归中的标准误差比R logistic回归的标准误差小得多？
R设置代码
library(betareg)
data
浏览 0提问于2014-04-21得票数 2
回答已采纳
2回答
我有一些统计数据。一些数据非常分散到大多数数据集，如下所示。我想要做的是最小化数据集中高度分散的数据的影响。我想要计算数据集的平均值，在我的例子中，它具有最小的散乱数据的影响。
My data set is as like this:
10.02, 11, 9.12, 7.89, 10.5, 11.3, 10.9, 12, 8.99, 89.23, 328.42.
如下图所示：
我需要的平均值不是46.3，而是更接近其他数据分布。实际上，我希望将均值计算中89.23 & 328.42的影响降至最低。提前感谢
浏览 0提问于2012-08-15得票数 0
回答已采纳
1回答
我试图用给定的均值，方差，偏度和峰度从正态分布中提取随机数。
我的第一次尝试是使用numpy函数random.normal，然而，据我所知，对于这个函数，我只能传递一个位置(平均值)和一个刻度(std)参数。
第二种尝试是从区间0,1的均匀分布中提取随机数，然后通过scipy.stats.norm方法ppf进行传递。我看到的有处理偏度和峰度的能力，但是我看不出如何将偏度和峰度值传递到函数中。
如果要以完全不同的方式解决这个问题，请告诉我。
尝试1：
import numpy as np
def draw_normal():
return np.random.normal(loc=0,
浏览 1提问于2018-08-31得票数 0
1回答
我在处理小型实验数据集的建模。由于大多数实验工作不会产生数千个样本，而只是少数几个样本，所以我需要对如何处理这少量数据集(比如10-20)具有创造性。我一直在构建一个很好的框架来实现这一点，在这一点上，我感兴趣的是生成带有预测值的错误条。
粗略地说，这就是框架中所发生的事情(例如，在应用多线性模型时)：
创建N数据集的集合。
在每个数据集上，回归都会产生(线性)模型，如下面的Eq.1所示。这就产生了每个系数的N值\beta。
平均值是为\betas的三组中的每一组计算的。(平均值也可能是另一个函数，但现在假设它是平均值)。
这三个平均\betas是模型使用的系数(同样是Eq.1)。
目的:在考
浏览 0提问于2020-04-03得票数 3
在Adam优化器算法中，参数更新计算如下：
\theta_t \leftarrow \theta_{t-1} - \alpha \frac{\hat{m}_t}{\sqrt{\hat{v}_t}+\epsilon}
如果\hat{m}_t是一个偏差修正的梯度移动平均值，则：
\hat{m}_t \propto \beta_1 m_{t-1} + (1 - \beta_1) g_t
而\hat{v}_t是一个偏差修正的不确定方差的移动平均值：
\hat{v}_t \propto \beta_2 m_{t-1} + (1 - \beta_2) g_t^2
我理解这样的观点:如果平均值比
浏览 0提问于2019-05-24得票数 3
1回答
我试图估计一个三参数威布尔分布(平移参数beta= -0.5)的参数。问题是我必须同时拟合两组数据。使用nlc (请参阅下面的代码)，我能够单独估计每个数据集的分布参数，但不能同时进行。γ类似于共享参数(估计的伽马值在两个nlc估计中都必须是相同的)。
我的数据如下：
x = seq(from =0, to =10, by =1)
y = c(0.1315, 0.2368, 0.2631, 0.1578, 0.1578, 0.0000, 0.0526, 0.0000, 0.0000, 0.0000, 0.0000)
z = c(0.3684, 0.3157, 0.2105, 0.0789, 0
浏览 4提问于2021-04-25得票数 0
回答已采纳
I具有偏正态分布随机数的均值、方差和偏度，i具有任意随机数分布的平均方差和偏斜性。
我怎么能有相同的均值和方差，但不同的偏斜度？
浏览 0提问于2011-01-10得票数 2
3回答
我没有在这个问题上找到任何帮助，所以我发表了一个关于这个问题的新问题。我有一个变量，包含三个值{min，average，standard .}。如何生成这个数组的对数正态分布，它会随机地给出对数正态分布的时间值。另外，如果我运行它1000次，我想随机地从对数正态分布中得到一个时间值，每一个都是1000次。我如何用java代码来写这个呢？另外，我想运行它1000次会给出数组中平均值的平均值吗？
浏览 5提问于2014-02-10得票数 2
回答已采纳
1回答
这是我们的第一个模型：
# Data:
x1 = as.factor(c(0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1))
x2 = as.factor(c(0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1))
x3 = as.factor(c(0, 1, 1, 0, 0, 0, 1, 1, 0, 1, 1, 0, 0, 0, 1, 1))
x4 = as.factor(c(0, 0, 1, 1, 0, 1, 0, 1, 0, 0, 1, 1, 0, 1, 0, 1))
n = rep(1055, 16
浏览 0提问于2017-05-27得票数 0
1回答
γ-γ累积分布函数
、、、
我想要计算伽玛民防的一系列数据，我有。我已经计算了α和β参数，但是我不知道如何计算R中的of (是否有类似于Matlab的gamcdf?)
我见过一些人使用fitdistr或pgamma，但我不知道如何将alpha值和beta值放在一起，或者根本不需要它们？
谢谢。
浏览 0提问于2018-05-11得票数 2
回答已采纳
功能缩放标签上写着：
流行的特征缩放类型包括缩放数据，使其具有零均值和单位方差，以及在给定的最小值和最大值之间缩放数据。
很难理解“零均值”和单位方差的假设是什么？它能用比例来解释吗?标签不应该被修改或修正吗？
浏览 0提问于2020-05-27得票数 0
1回答
出于教学目的，我需要生成具有不同分布的相关随机变量的随机数据集。我在Stata中尝试过corr2data，但它不允许我指定要生成的变量的最大值和最小值，只允许指定均值、sd's和协方差矩阵。因此，我需要在生成数据后进行混乱的调整。其他各种细节让我对corr2data感到恼火。有没有一种更简单的用MATLAB来做这件事的方法？我对这个软件不像对Stata那样熟悉。
浏览 3提问于2014-02-04得票数 2
1回答
我已经坚持了一段时间了，所以我决定写一个问题。
问题：如何生成一个具有下/上界的随机样本，并围绕一个特定的均值。
观察:分布不需要是特定的(可能是正常的，beta的，等等)。
考虑的Aproaches：
其中一个方法是使用rtnorm函数，它生成一个在指定边界内具有正态分布的随机数，但它不包含您想要的平均值。
我试过的第二个问题是这个函数，我在一个我再也找不到的问题中找到了它
rBootstrap <-函数(n，均值，sd，lowerBound，upperBound){范围<- upperBound - lowerBound m <- (均值-下限)/范围#映射为0-
浏览 5提问于2016-09-23得票数 2
回答已采纳
Excel中Beta发行版的Python等价物是什么？在Excel中，公式为：
=BETA.DIST(A2,A3,A4,FALSE,A5,A6).
这给出了给定参数的Beta概率密度函数，并以某个十进制值的形式得到结果。
而的函数参数及其定义形式与Excel类似。
我不知道如何在SciPy中做到这一点，并正确地传递参数。
浏览 21提问于2017-04-03得票数 3
我正在试图理解pymc3，它看起来是一个漂亮的包。我不明白的一件事是，为什么所有的概率都是对数的？Beta分布的描述说它是"Beta对数似然“。评估分布的函数是"logp“和"logcdf”。我在其他地方也看到了对logp的引用，但没有看到任何关于我们为什么要记录日志的迹象。我担心我可能遗漏了一些基本的东西。谢谢你提供的任何信息。
浏览 8提问于2019-12-05得票数 0
回答已采纳
2回答
我这里有一个代码，它生成的随机数的平均值为1，标准偏差为0.5。但是，我如何修改这个代码，以使我可以退化任何给定均值和方差的高斯随机数？
#include <stdlib.h>
#include <math.h>
#ifndef M_PI
#define M_PI 3.14159265358979323846
#endif
double drand() /* uniform distribution, (0..1] */
{
return (rand()+1.0)/(RAND_MAX+1.0);
}
double random_normal()
/* n
浏览 2提问于2011-08-12得票数 6
我需要估计一个截断的伽马分布参数(形状，比例)。
但是，我只知道数据的均值和标准差。dev.我不知道数据集。
给定均值和标准差。dev.对于来自截断伽马分布的数据集，如何找到分布参数的形状和比例？
我知道MLE可能对解决这个问题很有用。但是，它们依赖于对整个数据集的了解。
任何帮助都将不胜感激。
浏览 1提问于2014-03-18得票数 0
1回答
人们总是使用简单的均值和标准差行进。我不知道它的正确术语-但它涉及减去一个数据集平均值，然后除以它的标准差，然后添加另一个数据集平均值，再乘以新数据的标准差。
这允许一个gaussIan近似另一个的配置文件--这是贝叶斯更新的一个例子吗？我的问题如下--其他发行版也能以同样的方式对待吗？例如泊松分布，是否可以仅使用分布形状和速率信息将一个数据集配置文件与另一个数据集配置文件进行匹配？
浏览 2提问于2018-01-05得票数 0
假设我只有来自分布的随机样本，没有其他数据-例如数字列表- [1,15,30,4,etc.]。估计分布的最佳方法是什么，以便在pytorch中从中提取更多样本？
我目前假设所有样本都来自正态分布，并仅使用样本的均值和标准差来构建它并从中提取。然而，该函数可以是任何分布的。
samples = torch.Tensor([1,2,3,4,3,2,2,1])
Normal(samples.mean(), samples.std()).sample()
浏览 3提问于2019-07-04得票数 0
2回答
我目前正在尝试实现一个机器学习算法，其中涉及到在MATLAB中。不幸的是，由于数值溢出，我遇到了一些困难。
通常，对于给定的输入s，逻辑函数的值是：
log(1 + exp(s))
物流损失函数的斜率为：
exp(s)./(1 + exp(s)) = 1./(1 + exp(-s))
在我的算法中，s = X*beta的值。这里，X是一个具有N数据点和每个数据点的P特征的矩阵(即size(X)=[N,P])，而beta是每个特征的P系数的向量，因此size(beta)=[P 1]。
我特别感兴趣的是计算beta给定值的Logistic函数的平均值和梯度。
Logistic函数w.r.t到b
浏览 1提问于2013-11-20得票数 5
回答已采纳
对于我正在从事的研究项目，我需要生成一组具有以下参数的随机(或伪随机)数据(例如10,000个数据)：
最大值= 35；
最小值= 1.5；
平均值= 9.87；
标准差= 3.1；
现在很明显，这个发行版看起来有点像用
scipy.stats.maxwell.rvs(locs=1.5,scale=3.1)
然而，这并没有给出必要的平均值或最大值。有可能解决这个问题吗？
浏览 1提问于2018-05-31得票数 2
回答已采纳
我不知道如何使用pnorm()来做这件事。经验法则: 68%的观测值与平均值的标准差在1以内。95%的观测值与平均值的标准差在2以内。99.7%的观测值与平均值的标准偏差在3以内。
浏览 21提问于2019-09-18得票数 0
1回答
mle未能用错误代码7估计参数。
、、、、
我试图估计Weibull-Gamma分布参数，但遇到了以下错误：
函数mle无法估计参数，错误代码为7
我做什么好？
威布尔-伽玛分布
密度函数
dWeibullGamma <- function(x, alpha, beta, lambda)
{
((alpha*beta)/(lambda))*(x^(alpha-1))*(1+(1/lambda)*x^(alpha))^(-(beta+1))
}
累积分布函数
pWeibullGamma <- function(x, alpha, beta, lambda)
{
1-(1+(1/lambda)*x^(a
浏览 1提问于2018-10-09得票数 3
回答已采纳
16回答
如何将均匀分布(大多数随机数生成器产生的分布，例如在0.0和1.0之间)转换为正态分布？如果我想要一个我选择的均值和标准差呢？
浏览 8提问于2008-09-16得票数 119
1回答
多重自动曲线拟合
、、
我有一个'Matrix‘(4x4)，如下所示。
Matrix =
206.3088 9.4042 1.2780 0.9845
206.3099 4.6309 1.2050 0.9857
206.3559 9.4029 1.3192 1.0236
206.3573 4.6307 1.2421 1.0252
现在，我需要在“column 2”和“column 3”数据点之间进行多个自动曲线拟合。对于拟合程序，只能选择基于'column 1‘(时间)的邻接值。还要取“第一列”和“第四列”中相应数
浏览 1提问于2016-08-04得票数 0
回答已采纳
我想要生成一个n个严格正值的列表，这样列表就有一个预定的均值和标准差(可以是接近的/不是精确的)。我用均匀分布的方程来表示期望和方差，解“a”和“b”，而用方程组(对于特定的均值和std )。dev.)没有a，b >= 0的解决方案。我想知道在任何编程语言中是否都有即插即用的方法，但希望是在Python中。谢谢!
例:生成84个正数的列表，平均值为~= 60/84 = 0.71，std.dev。~= 1.7
浏览 10提问于2014-04-18得票数 3
回答已采纳
4回答
我想用给定的均值和范围随机生成数据。例如，生成一组随机数据，平均值为15，范围为10至20。
到目前为止，我已经能够生成具有平均值和给定标准差的数据，但这并不限制范围。
NORM.INV(RAND(),15,5)
我将如何生成数据以适应上述限制？注意，我不要求数据必须是正态分布的。
浏览 2提问于2017-03-21得票数 0
回答已采纳
如果我知道我的样本大小为449，平均值为81.69，中位数为81.68，第30百分位数为79.43，第90百分位数为85.06，我如何估计分布？
浏览 2提问于2013-11-05得票数 3
回答已采纳
1回答
我目前已经开始研究图形化的概率模型。我读过Avi Pfeffer写的关于Figaro概率编程语言的书“实践概率编程”。作为练习，我正在尝试从学习集学习正态分布的参数。不管怎么说，我得到的数据并不完全是我所期望的。
我定义了一个模型，其中正态分布取决于两个参数:均值是另一个正态分布，均值为50，方差为0.01。方差是k=2和theta=2的伽马分布。
我正在进行100次观察，每个观察的值都是100。我用一个重要的抽样算法来推断均值和方差。以下是代码
val mean : Element[Double] = Normal(50,0.01)
val variance: Element[Double]
浏览 8提问于2017-12-19得票数 1
1回答
建立一个不带概率分布的贝叶斯神经网络作为预测模型的因变量是否可行？
我的意思是，如果id喜欢用解释变量X(例如y=5)的向量来推断一个特定的值，比如y(例如，X=)，那么贝叶斯神经网络就可以推断出具有标准差σ的y均值的分布(例如y均值=5，σ=0.5)。
这有意义吗？在不考虑simgma的情况下，神经网络的损失函数是否可以通过y与y均值的比较来工作呢？
部分回答:我认为sigma是神经网络的权重矩阵中分布的结果，它应该能工作。但我想确定并理解。
PS:我在生态学领域工作，所以得到结果的概率分布符合我的目标。
浏览 0提问于2019-01-13得票数 1
回答已采纳
我使用下面的代码来计算一个正态分布的随机数(µ=245，sd = 24.5，n= 9)低于200的次数。
# This is a simulation to count the Binomial from B samples of
# size n from a Normal population with mu and sigma that fall below
# a cutoff x_0 B = 100000; mu = 245; sigma = 24.5; n = 9 x_0 = 200
# for one sample
y_count = numeric(n
浏览 0提问于2015-01-28得票数 0
我在Matlab中有一个向量，它看起来像：
vect = 0
100
300
500
700
1000
500
300
200
0
当标准化时，每个值应该表示某个值的概率，而我的值仅为1到10 (即0%的概率为1，100/sum(vect)的概率为2 )。
如何计算值的统计数据(特别是标准差)？如果我做了mean(vect)，我只是得到360，我得到一个同样大的标准差值。当然，平均值应该在5左右。我肯定手动编写代码不会太困难，但是在Matlab中必须有一种直接这样做的方法，所以我想我会问！
浏览 1提问于2014-08-28得票数 0
回答已采纳
2回答
我有一个关于正态分布的问题(用mu = 0和sigma = 1)。
让我先这样称呼朗或范伦德吧
x = normrnd(0,1,[4096,1]); % x = randn(4096,1)
现在，为了评估x值是否符合正态分布，我调用
[a,b] = normfit(x);
有一个图形化的支持
histfit(x)
现在是问题的核心:如果我对x如何拟合给定的正态分布不满意，我如何优化x，以便更好地拟合预期正态分布的0均值和1标准差？有时，由于表示值很少(本例中为4096 )，x非常不适合预期的高斯，因此我想要操作x (线性与否，在这个阶段并不重要)以获得更好的适应度。
我想说我可以访问统计工具箱
浏览 14提问于2013-03-19得票数 5
回答已采纳
1回答
我正在尝试检测时间序列数据集中的异常。我正在根据阈值对预测值进行分类。 以下是我所做的详细描述： 我将整个数据集分为训练数据集和测试数据集，然后在训练数据集上拟合ARIMA模型。我使用建立的模型来预测测试观察值，然后计算实际值和预测值之间的误差： 错误= actual_testing - predicted_testing 通常，我必须根据计算出的误差选择阈值来对每个观察值进行分类。 如果Error>阈值为==>，则为异常 有什么方法可以选择这个阈值吗？
浏览 78提问于2021-03-26得票数 0
回答已采纳
1回答
我试图创建指数分布下的随机数。数字应该在0到18353之间。我使用以下代码：
np.random.exponential(2400, 400)
这意味着输出有400个数字，缩放参数为2400。然而，2400是我通过绘制随机数来估计标度参数的。
sns.kdeplot(np.random.exponential(2000, 400))
sns.kdeplot(np.random.exponential(2400, 400))
sns.kdeplot(np.random.exponential(2300, 400))
plt.legend([r"$\beta = 1$",
浏览 3提问于2021-11-03得票数 0
回答已采纳
考虑到一些措施，我试图创建一个beta发行版。给定最大值、最小值、平均值以及α和beta值，我如何调用beta.ppf或beta.pfd来生成适当的数据集？
工作样本
破碎样本
import matplotlib.pyplot as plt
from scipy.stats import beta
#
# Set the shape paremeters
#
a = 2.8754
b = 3.0300
minv = 82.292
maxv = 129.871
mean = 105.46
#
# Generate the value between
#
x = np.linspace(b
浏览 5提问于2022-10-21得票数 0
3回答
给定一个点(x，y)，我如何创建n个随机点，这些点到(x，y)的距离是以sigma和均值作为参数的高斯分布？
浏览 0提问于2017-04-26得票数 0
1回答
用石榴拟合β分布
、、
我试图使用库来近似Beta发行版。但是，当我试图从生成的数据中近似参数时，我得到了非常不同的参数。复制此类错误的代码如下
import numpy as np
from pomegranate import *
X = np.random.beta(1, 5, size=10000).reshape(-1, 1) # sample from beta distribution with alpha = 1, beta = 5
print(BetaDistribution.from_samples(X).parameters) # approximate beta parameters
&g
浏览 2提问于2019-04-01得票数 1
回答已采纳
1回答
将数据点拟合到累积分布
、、、、
我正在尝试将gamma分布拟合到我的数据点，我可以使用下面的代码来实现这一点。
import scipy.stats as ss
import numpy as np
dataPoints = np.arange(0,1000,0.2)
fit_alpha,fit_loc,fit_beta = ss.rv_continuous.fit(ss.gamma, dataPoints, floc=0)
我想使用许多这样的小伽马分布来重建一个更大的分布(更大的分布与这个问题无关，只是为了证明我为什么要拟合cdf而不是pdf)。
为了实现这一点，我想要将累积分布(而不是pdf )拟合到较小的分布数据。-M
浏览 32提问于2013-09-17得票数 24
2回答
在一个实验中，参与者可以使用策略X和Y的组合来解决问题。θ是X的权重(范围从0到1，分布为Beta)，可以从人类数据中以某种方式推断出来(这里可能不需要详细介绍)。
在我读到的 (p.117)中，作者通过θ的均值和标准差重新参数化了Beta分布。我如何在JAGS中实现这一点？下面是我的尝试，我不确定它是否正确。如果不是，我想知道我应该做什么。
model{
for (i in 1:n) { # for each person
theta[i] ~ dbeta(alpha, beta) # theta values come from data
}
alpha &
浏览 9提问于2018-01-14得票数 1
如何使用具有预定均值和标准差的scipy.stats.t.fit()来拟合t分布？
问题是，我有一个标准化的数据集，使用mean=0和std=1，我只想得到t分布的df。但是当我执行scipy.stats.t.fit(data)时，它输出df, loc, scale，loc&sclae不一定等于0&1。
我该如何解决这个问题呢？谢谢!
浏览 6提问于2016-08-17得票数 5
回答已采纳
我有一系列的实验数据值X和Y，用来生成一个散射图，这个散点图看起来非常类似于伽马分布，我读过一些文章说这些实验数据可以用伽马分布来表示/建模。
因此，我编写了下面的python代码来查找伽马分布常量：
import csv
import random
import scipy as sp
import scipy.stats as ss
from collections import defaultdict
columns = defaultdict(list)
with open('case_1_RTD.csv') as f:
reader=csv.reader(f
浏览 9提问于2014-10-06得票数 1
3回答
对于方法，文档说：
从均值0和方差1 (也称为标准正态分布)的正态分布中返回一个由随机数填充的张量。
这里有一个张量的例子：
x = torch.randn(4,3)
tensor([[-0.6569, -0.7337, -0.0028],
[-0.3938, 0.3223, 0.0497],
[ 0.0129, -2.7546, -2.2488],
[ 1.6754, -0.1497, 1.8202]])
当我打印的时候：
x.mean()
tensor(-0.2550)
打印标准差时：
x.std()
tensor(1.3225
浏览 4提问于2020-01-22得票数 2
回答已采纳
如果我有一个月平均值的向量，比如
aa = [1,2,3,2,1,3,5,3,4,8,9,7;...
11,12,3,21,1,3,15,3,4,8,19,7;...
21,2,3,2,1,23,5,3,34,84,9,7]';
其中，每列表示来自不同位置的月平均值，每行表示一年中的月份。我可以将所有站点的平均值计算为：
mean_a = nanmean(aa,2);
因此可以将它们的平均值绘制为：
plot(1:12, mean_a);
我现在如何计算这些平均值周围的95%置信区间？
任何建议都将不胜感激。
我的尝试是：
假设为正态分布：
aa = [1,2,3,2,
浏览 5提问于2014-07-23得票数 2
回答已采纳
3回答
看起来很简单，但我想要一个公式(最好是.net)，它：
对于给定的数字-例如1.5 -公式将输出一个随机数，该随机数取一个数列的平均值约为1.5…因此，它可以是0.1、1.2、7.1、2.5、.2等，但平均值将接近1.5。
澄清:我希望这些数字是正数。
浏览 1提问于2013-07-10得票数 3
1回答
我目前正在做一个Udemy课程，SVR类的讲师说，特性缩放必须分别应用于X和y，因为它们的标准差和平均值是不同的。下面是代码和数据集的屏幕截图。X是水平，y是工资。
对于数据预处理类，讲师使用不同的数据集，数据集由一个以上的自变量组成。但是，如代码所示，他并没有独立地扩展它们。我对这一部分感到困惑，因为所有的自变量都有不同的标准差和均值。那么，为什么我们不把它们分开标度呢？下面是代码和数据集
顺便说一下，这个代码是由Kirill Eremenko编写的。
浏览 8提问于2021-05-13得票数 0
1回答
我的数据帧目前看起来像这样(让我们称其为df_1)。 date var1
1-1-01 0.1
2-1-01 0.02
3-1-01 3.00
4-1-01 4.5
5-1-01 0.9
6-1-01 0.22 var_1是正态分布的。(见下图) ? 我有另一个数据框，它只是由不带var1值的日期组成(让我们称之为df_2)： date var1
1-2-01
2-2-01
3-2-01
4-2-01
5-2-01
6-2-01 我只想从df_1中var1的正态分布中随机抽取出预测，我该如何在python中做到这一点？ PS:
浏览 17提问于2020-04-25得票数 0
回答已采纳
我们如何用平均值和中值来检测异常值的存在？
是否真的有可能从一组数据的特征均值和中值中检测出异常值的存在？
假设我有一个数据集，手里有八个特性。
我把他们的手段和中间的人一排排地并列起来。
f1 f2 f3 f4 f5 f6 f7 f8
mean 2.5000 0.1868 0.0148 0.2105 0.2088 79.6583 1.0604 0.0091
median 2.5000 0.1826 0.00
浏览 0提问于2016-11-26得票数 0
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
腾讯云开发者
