Python | R | MATLAB高斯过程统计模型

📜随机统计模型-用例

📜海上风电场模型 | 📜天气和建筑设计模型 | 📜不确定性量化应用模型 | 📜马尔可夫链蒙特卡罗算法多模态采样贝叶斯模型 | 📜分类过程最大似然模型 | 📜C++和Python通信引文道路社评电商大规模行为图结构数据模型 | 📜Python燃气轮机汽车钢棒整流电路控制图统计模型过程潜力分析 。

✒️Python 随机过程

随机过程是一段时间内随机变量的集合。 它可以是离散型或连续型。 微积分和概率论技术用于研究该过程。 随机过程有很多孩子。 本笔记本将给出几种随机过程作为示例。 让我们将随机过程定义为在公共概率空间上定义的随机变量的集合
( Ω , F , P ) (\Omega, F , P) (Ω,F,P)
其中 Ω \Omega Ω 是样本空间或所有可能的结果,数学 F F F 是西格玛代数,其中每个集合包含零个或多个可能的结果, P P P 是实现结果的概率。我们定义一个带有索引 t(代表时间)的函数,将集合 T 中的变量映射到状态空间 S 中的随机变量,或者:
X t : T → S X_t: T \rightarrow S Xt:TS
我们将看到的第一个基本过程是随机游走。 它被定义为由没有规则决定其发展的步骤所创建的路径。 “随机游走”一词由数学家 Karl Pearson(1857 - 1936)于 1905 年创造。该过程可以表示为一维或多维。金融领域有许多应用程序可以对股票和价格变动进行建模、赌徒的净资产、市场上人员的流动(例如 作为一些基于代理的建模)、分子和粒子的运动或基因组中基因的变化。随机游走有多种类型,如果步长遵循正态分布,则称其为高斯型。随机游走的其他变体是自交互游走、相关游走、最大熵随机游走等。

import numpy as np
import matplotlib.pyplot as plt
import random as rm
from scipy.stats import norm
import itertools
import matplotlib.patches as mpatches
np.random.seed(99)all_walks = []for i in range(10) :random_walk = [0]for x in range(100) :step = random_walk[-1]dice = np.random.randint(1,7)if dice <= 2:step = step - 1elif dice <= 5:step = step + 1else:step = step + np.random.randint(1,5)random_walk.append(step)all_walks.append(random_walk)plt.plot(random_walk)
plt.show()

我们生成模拟 100 次随机游走。 使用 99 的 np.random.seed 可以让读者重现相同的结果。 因为我们使用的是整数的高斯随机生成器,所以游走本质上是高斯的。 为了让事情变得更有趣,我们创建了一个基本算法,在该算法中,我们通过掷骰子并根据结果移动特定的步数。 我们从 for 循环的上一次迭代中获取步骤数。 如果骰子小于或等于 2,则步数减少 1;如果骰子数在 3 到 5 之间,则步数增加 1;如果骰子数为 6,则步数增加为 1 到 1 之间的随机数。 4. 最后打印随机游走的值(可选地,将其注释掉)并绘制。我们似乎主要呈增长趋势。

np.random.seed(99)
all_walks = []
for i in range(20) :random_walk = [0]for x in range(100) :step = random_walk[-1]dice = np.random.randint(1,7)if dice <= 2:step = step - 1elif dice <= 5:step = step + 1else:step = step + np.random.randint(1,5)if np.random.rand() <= 0.001 :step = 0random_walk.append(step)all_walks.append(random_walk)np_aw = np.array(all_walks)plt.plot(np_aw)
plt.show()plt.clf()
np_aw_t = np.transpose(np_aw)plt.plot(np_aw_t)
plt.show()

我们从 20 次步行开始。图表比下面的 500 次步行要清晰得多。大多数路径都遵循增长趋势。

np.random.seed(99)
all_walks = []
for i in range(500) :random_walk = [0]for x in range(100) :step = random_walk[-1]dice = np.random.randint(1,7)if dice <= 2:step = step - 1elif dice <= 5:step = step + 1else:step = step + np.random.randint(1,5)if np.random.rand() <= 0.001 :step = 0random_walk.append(step)all_walks.append(random_walk)np_aw = np.array(all_walks)plt.plot(np_aw)
plt.show()plt.clf()
np_aw_t = np.transpose(np_aw)plt.plot(np_aw_t)
plt.show()

现在我们将缩放模拟,将步行数量增加到 500。步行已绘制出来。 由于进行了如此多的模拟,因此图表非常密集且信息量不大,但大数定律现在将适用。 趋势再次主要是增加。

ends = np_aw_t[-1]plt.hist(ends)
plt.show()bool = ends >= 40
greater = sum(bool)
print("The odds of the ending point being above 40 is " + "{:0.2%}".format(greater / 500))

当所有的行走都以变量结束时,我们定义过程的终点。 它已被绘制并显示接近正态分布,尽管它似乎与左侧有些不对称。 最后我们计算出终点大于 90 的几率,即 20.40%。 (对于其他百分比也可以这样做)。

🔗参阅一:计算思维

🔗参阅二:亚图跨际

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/16437.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【LeetCode 167】两数之和II

1. 题目 2. 分析 就是简单的双指针的题&#xff0c;使用头尾指针分别指向数组的首尾&#xff0c;然后依次判断两者值的和与target的大小关系。关系分成三类&#xff1a; &#xff08;1&#xff09;和大于target&#xff0c;说明尾指针过大&#xff0c;需要前移&#xff1b; &…

深入了解 Golang 多架构编译:交叉编译最佳实践

随着软件开发领域的不断发展&#xff0c;我们面临着越来越多的挑战&#xff0c;其中之一是如何在不同的平台和架构上部署我们的应用程序。Golang&#xff08;Go&#xff09;作为一种现代化的编程语言&#xff0c;具有出色的跨平台支持&#xff0c;通过其强大的多架构编译功能&a…

刷代码随想录有感(79):回溯算法——N皇后问题

题干: 代码&#xff1a; class Solution { public:vector<vector<string>> res;void backtracking(vector<string>& chessboard, int n, int row){if(row n){res.push_back(chessboard);return;}for(int col 0; col < n; col){if(isvalid(chessboa…

将3D检测的box框投影到BEV图片上

前言 点云数据作为一种丰富的三维空间信息表达方式&#xff0c;通常用于自动驾驶、机器人导航和三维建模等领域。然而&#xff0c;点云数据的直观性不如二维图像&#xff0c;这限制了它在一些需要快速视觉反馈的应用场景中的使用。本文将探讨如何将点云数据转换为二维图像&…

Python Flask 图片上传与下载

Python代码 #encoding:utf-8 #!/usr/bin/env python from werkzeug.utils import secure_filename from flask import Flask, render_template, jsonify, request, make_response, send_from_directory, abort import osapp Flask(__name__) UPLOAD_FOLDER upload app.confi…

公共代理IP和独享代理IP之间的区别?

公共代理IP和独享代理IP在网络应用中扮演着不同的角色&#xff0c;它们之间的区别主要体现在使用方式、性能、安全性以及隐私保护等方面。以下是对这两种代理IP的详细对比和分析。 第一点就是使用的方式以及成本上的不同&#xff0c;公共代理IP&#xff0c;顾名思义&#xff0…

python基于深度学习的聊天机器人设计

python基于深度学习的聊天机器人设计 开发语言:Python 数据库&#xff1a;MySQL所用到的知识&#xff1a;Django框架工具&#xff1a;pycharm、Navicat、Maven 系统功能实现 登录注册功能 用户在没有登录自己的用户名之前只能浏览本网站的首页&#xff0c;想要使用其他功能都…

服务器被黑?快速检测和识别系统中的恶意进程

在管理和维护服务器时,检测和识别系统中的恶意进程是非常重要的。本文将详细介绍几种常用方法和工具,帮助您有效地检测和处理恶意进程,确保系统的安全性。 方法一:使用系统监控工具 1.1. 使用 ps 命令 ps 命令可以列出系统中所有正在运行的进程。使用以下命令查看特定用户…

SpringBoo+vue3整合讯飞星火3.5通过webscoket实现聊天功能(全网首发)附带展示效果

API版本&#xff1a;Spring Boot 整合讯飞星火3.5通过接口Api接口实现聊天功能&#xff08;首发&#xff09;复制粘贴即可使用&#xff0c;后续更新WebSocket实现聊天功能_讯飞星火web聊天-CSDN博客https://blog.csdn.net/qq_53722480/article/details/138865508?csdn_share_t…

STL库 —— unordered_set与unordered_map的封装

这里要对 unordered_set 与 unordered_map 进行封装&#xff0c;封装时使用的是上一篇中学的 HashBucket 。不仅要完成封装&#xff0c;同时要写入迭代器。 一、HashBucket 的修改 1.1 节点的修改 T 首先来认识一下使用 unordered_set 和 ordered_map 时的区别&#xff1a; …

深入浅出MySQL事务实现底层原理

重要概念 事务的ACID 原子性&#xff08;Atomicity&#xff09;&#xff1a;即不可分割性&#xff0c;事务中的操作要么全不做&#xff0c;要么全做一致性&#xff08;Consistency&#xff09;&#xff1a;一个事务在执行前后&#xff0c;数据库都必须处于正确的状态&#xf…

RobotFramework测试框架(1)--官网示例

示例 项目 RF官网提供了几个例子 Examples Overview | ROBOT FRAMEWORK Vehicle Insurance App 根据下面的例子可以看到&#xff0c;RF的测试文件&#xff0c;包含 *** Settings ***-用来引入库和资源 *** Variables *** 用来指定变量&#xff0c;在测试用例中可使用${}来…

Java开发大厂面试第17讲:MySQL 的优化方案有哪些?数据库设计、查询优化、索引优化、硬件和配置优化等

性能优化&#xff08;Optimize&#xff09;指的是在保证系统正确性的前提下&#xff0c;能够更快速响应请求的一种手段。而且有些性能问题&#xff0c;比如慢查询等&#xff0c;如果积累到一定的程度或者是遇到急速上升的并发请求之后&#xff0c;会导致严重的后果&#xff0c;…

字母异位词分组-力扣

首先想到的解法是调用上道题写好的 有效的字母异位词 函数&#xff0c;来对strs中的字符串进行两两判断&#xff0c;然后添加到不同的vector&#xff0c;但转眼一想这样写无疑过于麻烦。在想到上提另一种解法排序后&#xff0c;本题也可以采用排序的方法来做&#xff0c;遍历st…

变分自动编码器(VAE)深入理解与总结

本文导航 0 引言1 起源1.1 自编码器的任务定义1.2 自编码器存在的问题1.3 VAE的核心思路 2 VAE的建模过程2.1 VAE的任务定义2.2 真实分布 ϕ \phi ϕ是什么&#xff0c;为什么要逼近这个分布的参数&#xff0c;如何做&#xff1f;2.3 “重参数化&#xff08;Reparameterization…

互联网十万个为什么之 什么是Kubernetes(K8s)?

Kubernetes&#xff08;通常简称为K8s&#xff09;是一款用于自动部署、扩缩和管理容器化应用程序的开源容器编排平台。Kubernetes已发展为现代企业实现敏捷开发、快速迭代、资源优化及灵活扩展的关键技术组件之一。它拥有庞大的开源社区和丰富的生态系统。围绕Kubernetes已经形…

.lib .a .dll库互转

编译 mingw工具&#xff0c;gendef.exe转换dll为a&#xff0c;reimp转换lib为adlltool.exe --dllname python38.dll --def python38.def --output-lib libpython38.adlltool -k -d crypto.lib -l crypto.a 创作不易&#xff0c; 小小的支持一下吧&#xff01;

koa使用ws,scoket.io建立websocket连接,断开重连

1.使用ws建立socket连接&#xff0c;ws兼容性比socket.io要好一些 koa.js const Koa require(koa); // 引入 Koa 框架 const http require(http); // 引入 Node.js 的 http 模块 const { WebSocketServer } require(ws); // 引入 ws 模块中的 WebSocketServer const cors…

QT之常用控件

一个图形化界面当然需要有各种各样的控件&#xff0c;QT也不例外&#xff0c;在QT designer中就有提供各种各样的控件&#xff0c;用以开发图形化界面。 而想使用好一个QT控件&#xff0c;就需要了解这些控件。 QWidget 在QT中&#xff0c;所有控件都继承自 QWidget 类&…

推荐10款优秀的组件库(一)

1.Ant Desgin UI 网址&#xff1a; https://ant-design-mobile.antgroup.com/zh Ant Design - 一套企业级 UI 设计语言和 React 组件库 "Ant Design Mobile"是一个在线的移动端Web体验平台&#xff0c;让你探索移动端Web的体验极限。 添加图片注释&#xff0c;不…