cdf

    1熱度

    3回答

    需要在一個繪圖中繪製8種不同函數的CDF。它只給出7種不同顏色和8種顏色的問題再次給出了第一種藍色。如何製作8種不同的顏色? 下面是腳本: locerror_2d=[Scan_Around[1],Triangle_Around[1],M_shape_Around[1],Hilbert_Around[1],Scan_SbS[1],Triangle_SbS[1],M_shape_SbS[1],Hilb

    0熱度

    1回答

    的樣本逆CDF如果我得到的隨機樣本數據: X=np.random.random(100)*100 和我需要得到與CDF = 34%或任何值X_I。我現在能夠想到的唯一方法就是反CDF。我認爲百分比是相當的,但有人告訴我這是接近但不是確切的。

    1熱度

    1回答

    我的問題可能是微不足道的。我使用MPI庫對一個CFD代碼進行了並行處理,現在我正試圖調查我的並行效率。首先,我創建了一個案例,它將提供行列中相同的負載和對傳輸數據的計算量的恆定比率。因此,我的期望是,當我增加等級時,任何運行時變化都將僅歸因於通信延遲。然而,我意識到不調用等級通信的子程序(因此它們只執行域計算,因此它們處理所有等級的相同負載)顯着貢獻 - 實際上是最大運行時增加。我在這裏錯過了什麼

    0熱度

    1回答

    我試圖繪製380Gb二進制柵格數據的經驗累積分佈函數(CDF)。只使用數據的一個小掩碼,下面的代碼完美地工作。 import numpy as np import matplotlib.pyplot as plt dem_name = open('./raster.dem','rb') vals = np.fromfile(dem_name,dtype='float32') vals =

    -1熱度

    1回答

    我每天有一個月的徑流值和一個特定的閾值。我怎樣才能知道在多少天內,徑流超過該閾值的概率超過50%? 我是否有權在此使用CDF?但是,我怎樣才能整合閾值? 非常感謝!

    0熱度

    2回答

    早上好, 在Python,我有一本字典(稱爲packet_size_dist)具有以下值: 34 => 0.00909909009099 42 => 0.02299770023 54 => 0.578742125787 58 => 0.211278872113 62 => 0.00529947005299 66 => 0.031796820318 70 => 0.05309469053

    0熱度

    2回答

    伽馬CDF擬合點我有一系列的情節看起來像這樣的: Python代碼: a = np.array([4,4,4,4,5,5,5,6,6,6,6,6,6,6,7,7,7,8,8,8,9]) b = np.array([i/len(a) for i in range(1, len(a)+1)]) pl.plot(a,b, 'ro') R代碼裏面: a <- c(4,4,4,4,5,5,5,6,6

    2熱度

    2回答

    這裏是我的代碼和我的輸出(CDF): install.packages("ggplot2") library(ggplot2) chol <- read.table(url("http://assets.datacamp.com/blog_assets/chol.txt"), header = TRUE) df <- data.frame(x = chol$AGE) ggplot(df

    0熱度

    1回答

    好了,所以我有這個兩部分CDF def cdfH1a(x): return 0.189497583190681*np.sqrt(2 * np.pi)*sp.erf(np.sqrt(2)* (x/2)) def cdfH1b(x): return 0.0141047395886939*np.sqrt(np.pi)*sp.erf(7.07106781186547*x - 14.1

    0熱度

    2回答

    我寫下面的代碼使用二項分佈CDF(通過使用scipy.stats.binom.cdf)來估計不超過100拋出的概率,其中k = 0,10,20,30,40,50,60,70,80,90,100. 然後我嘗試使用hist()來繪製它。 import scipy import matplotlib.pyplot as plt def binomcdf(): p = 0.5 n