j***l
发帖数: 953 | 1 我用程序生成一组指数分布的随机数。因为数量不够，那我把同一组数反复用几次，那
这样整体所有的数还是指数分布么？
比如只生成一组数，但我用5次，把5组同样集合的数放到一起，每一个原来的数就都出
现5次了。
谢谢！ |
|
a**u
发帖数: 99 | 2 两种办法,一种是算出一个分布函数,然后把平均分布的转换成指数分布.
另外一个是排除法,产生一大堆平均分布的随机数,
然后,对每个数进行排除,如下:(假设分布为exp(a))
假如,该数为a1.
产生随机数一个rnd
rnd > exp(a1),抛弃a1.
当泥把所有的随机数如此检验一边以后得到的将是需要的分布.
条件是,随机数数列的数目足够大. |
|
g*****t
发帖数: 394 | 3 N个独立分布的指数变量的变量和满足什么分布啊？好像两个指数分布函数的卷积不收
敛啊。谢谢！ |
|
f**********d
发帖数: 4960 | 4 【 以下文字转载自 Statistics 讨论区 】
发信人: freelikewind (像风一样自由), 信区: Statistics
标 题: 正态分布和指数分布共轭么？
发信站: BBS 未名空间站 (Sat Sep 14 22:49:56 2013, 美东)
f=N(x;m,\Sigma)
g=exp(-\beta^T x),
这里x是矢量,\beta是常数矢量。f是多维正太分布。
那么g乘上f，似乎还是正态分布，且协方差矩阵不变，但均值改变。
这个后验的均值m有更新的公式么？
正要用到，多谢多谢！ |
|
w****h
发帖数: 212 | 5 比如matlab可以用exprnd函数产生一个数组，里面元素按照指数分布于一个区间。
那么C#有这种函数吗？如果没有，该如何实现呢 |
|
d****i
发帖数: 77 | 6 独立产生n个随机变量X1, X2,...，Xn，
每个Xi遵循不同指数分布 exp(a_i)，
那么Xi在这n个数中最小的前k个中的概率有多大？
k=1的时候自然是 a_i/(a_1 + a_2 +...a_n)，
k=n的时候是1,
一般的k实在不知道怎么处理。
哪位高手指教一下，在这儿先谢过了！ |
|
o***s
发帖数: 42149 | 7 女神
学霸
想知道你所在的大学盛产学霸还是女神？昨天，一份来自水木社区的大学排行榜赚足不少网友的口水，在这个榜单中，南京大学稳坐江苏高校学霸与女神诞生率最高的头把交椅，而以丰收美女著称的南师大，也跻身“女神”榜前30。现代快报记者 金凤
在这份《中国高校女神与学霸指数分布》排行榜中，汇集了内地和港台地区的近百所高校，纵向坐标轴以“学渣”为原点，距离顶端越近，盛产学霸的学风越浓，而横向坐标轴以“屌丝”为起点，延展到坐标轴的顶端意味着有诞生“女神”之风。
在这个指数分布图学霸一列，台湾大学、清华大学、北京大学夺得学霸前三名，南京大学在榜单上表现不俗，位于第九，这也是江苏唯一入围学霸前十名的高校；“女神”排名也很靠前，跻身前20名。此外，东南大学、南京农业大学、南京理工大学、南京航空航天大学、苏州大学也甩开大多数高校，远远地位居“学渣”与“学霸”的全国平均线之上。
而在女神一列，北京电影学院、中央戏剧学院、北京舞蹈学院三所艺术类院校，遥遥领先，学霸生产率也靠近南大的排名。此外，外国语大学、民族大学、师范大学、传媒类高校紧随其后。南京大学、南京师范大学、江南大学、河海大学、扬州大学等文科类院校... 阅读全帖 |
|
j***l
发帖数: 953 | 8 谢谢你的回答，虽然晚了点，呵呵。
这么说肯定不是了，但不知道算不算个很近似的分布。
say
, |
|
z****e
发帖数: 702 | 9 X是rate为a的指数分布，Y是二项分布，参数为n,p,
1.求P(X>=Y)，而且2.求事件[Y|X>=Y]的分布。
算了一下，1似乎难以化简，所以导致2无法求。有人愿意看看么？ |
|
f**********d
发帖数: 4960 | 10 f=N(x;m,\Sigma)
g=exp(-\beta^T x),
这里x是矢量,\beta是常数矢量。f是多维正太分布。
那么g乘上f，似乎还是正态分布，且协方差矩阵不变，但均值改变。
这个后验的均值m有更新的公式么？
正要用到，多谢多谢！ |
|
f****i
发帖数: 9419 | 11 你就不懂在那里胡说，继续。扯什么的淡呢？唐朝贞观元年到贞观四年还连续四年大旱
呢，为什么就说丁戊奇荒是有名的大灾，贞观元年那次没算？你知道灾荒旱灾水灾蝗灾
等都不一样，如果轮番上阵更不一样，在什么地区不一样，是不是在同样地区连续受灾
也不一样？你知道91年到95年的所谓连续受灾是什么情况？你就不能查查资料去？张嘴
就凭着你的立场和屁股位置胡说？
还老天爷很明白，这三年不算什么？真是啥都当游戏数字看了。另外告诉你，这篇文章
后面还有，只是我选了灾情部分，后面讨论的是人祸部分，最终人家定性的是有人祸，
有天灾。这么大的灾荒不算什么，搞笑了。再给你转一个文章，里面也是各种应用数据
都是表明了出处的，你不相信就去查原始资料。
1959-1961年全国干旱灾害探讨述评
一、灾害状况与灾情概述
1．灾害状况
发生在20世纪50年代末60年代初的全国性旱灾，从气象、水文、农业、民政和统计
部门记录的原始资料文献看，这是建国以来第一场连续多年的干旱灾害。按照国家气象
局分析发布和出版的权威性资料文献[1]，水利部统计归纳的资料和研究出版的专著[2]
，国家统计局和民政部汇编的《中国灾情报告》[3]，概... 阅读全帖 |
|
g*****g
发帖数: 6798 | 12 [统计分析] 一款很实用的Excel统计插件，可以代替SPSS、SAS、MiniTab
SPSS, SAS, Excel, MiniTab, 插件
一个可以代替SPSS、SAS、MiniTab等专业统计软件的Excel统计插件！直接整合到Excel
中，提供大多数统计工具的应用。
个人免费使用，不需要注册，对于单位使用的，注册后享受更多的功能。
1、本插件提供的基本统计功能有：
1. 1、数据处理：从Access数据库获取数据、行列互换、空行空列的删除、线性变换、
排秩。
1. 2、描述统计及相关图形：描述统计、图形化汇总、点距图。
1. 3、图表：直方图、散点图、矩阵图、点图、概率图、置信区间图、单值图、线条图
、条形图、饼图、区域图，功能和MiniTab相类似。
1. 4、表格：相依表、单变量计数、交叉分组表和卡方、卡方拟合优度检验（单变量）
、卡方检验（双向表）、描述性统计、Ridit检验。
1. 5、各种分布的概率计算和图形：二项分布、泊松分布、超几何分布、指数分布、正
态概率计算、正态概率图、正态P-P图、正态分位数-分位数图。
1. 6、多达7种正态性检验方法：安德森... 阅读全帖 |
|
c******q
发帖数: 2995 | 13 厄.....
请普及指数分布...google了完全不懂...
在概率论和统计学中，指数分布（Exponential distribution）是一种连续概率分布。
指数分布可以用来表示独立随机事件发生的时间间隔，比如旅客进机场的时间间隔、中
文维基百科新条目出现的时间间隔等等。
概率密度函数
一个指数分布的概率密度函数是：
f(x;\lambda) = \left\{\begin{matrix} \lambda e^{-\lambda x} &,\; x \ge 0
, \ 0 &,\; x < 0. \end{matrix}\right.
其中λ > 0是分布的一个参数，常被称为率参数（rate parameter）。指数分布的区间
是[0,∞)。 如果一个随机变量X 呈指数分布，则可以写作：X ~ Exponential（λ）。
然后我更加混乱了... |
|
c**e
发帖数: 2558 | 14 【 以下文字转载自 Joke 讨论区 】
发信人: iamyaoming (我叫姚明), 信区: Joke
标 题: 百位专家一年的工作成果：中国美女分布状况列表 (转载)
发信站: BBS 未名空间站 (Tue May 1 14:01:16 2007)
发信人: honeydream (pretty), 信区: Overseas
标 题: 百位专家一年的工作成果：中国美女分布状况列表
发信站: BBS 未名空间站 (Tue May 1 13:56:53 2007), 转信
经过百位专家一年来的辛勤工作，备受网友关注的中国盛产美女地区排名最终完成了。
我们注：括号内三项数字为当地美女三大指数的平均值。三大指数依次为长相指数、打
扮指数、韵味指数.
位次 地区 美女百分比 三大指数平均值 所属省市 美女地理划分区
1 重庆 24.25% (81.77-75.35-70.01) 重庆 川中区--长江沿线区
2 成都 22.89% (81.29-75.66-70.19) 四川 川中区
3 长沙 20.57% (81.70-74.52-72.89) 湖南 |
|
j**********2
发帖数: 1495 | 15 我知道你的帖子一直强调的是，根据大数定理，网站给出的概率只对大样本有效，个人
用户不应该考虑他，对吧
其实对个人用户来说，当数量少时，可靠性是用指数分布来描述的：从你买电脑的时刻
起，到你电脑坏掉的时间间隔是指数分布的。各个品牌的电脑，从你买到手的时刻开始
算起，能用满1000个小时的概率是不一样，这才是一个比较好描述电脑可靠性的方法。
至于怎么从网站上的两年故障率推导出指数分布的参数，我就不知道了，因为我不知道
他的两年故障率是怎么统计出来的。如何是统计的两年之后100个电脑里坏了几个，那
么这个故障率就可以很容易的转换成指数分布的lumda |
|
I*a
发帖数: 297 | 16 我靠，就一简单随机数生成问题，就吵成这样。简单的说，在2维情况下，就是平面坐
标上一条45度斜角的线段x+y=1 （0
于啥分布，自然是看楼主喜欢，有了点在线段的相对位置，自然可以project到原来的
平面坐标中得到x and y。
在n维情况下，就是求一个在空间的锥体的底面的随机分布，这个分布是啥，自然还是
看楼主喜欢，有了这个平面上的分布，可以再投影到原n维空间，得到坐标x1,x2,...xn
特别要是需要这个面上的分布是均匀的，这早有现成的算法
1。快速的算法，利用次序统计量，就是生成9个0，1 之间均匀分布的数加 0 和1，然
后排序，相邻两个的差就是你要的x1,..,x10
2。利用指数分布，生成指数分布，然后相加再normalize 到1 |
|
b*****d
发帖数: 61690 | 17 癌症发病地域分布特点 本报制图何将
本报讯(记者李秋萌)我国近20年来癌症呈现年轻化及发病率和死亡率“三线”走高
的趋势。昨天，记者从全国肿瘤登记中心发布的《2012中国肿瘤登记年报》中获悉，每
分钟就有6人确诊为癌症。同时，癌种也呈现地域化特点，如胃癌集中在西北及沿海。
男性死亡率高于女性
这是我国首次发布肿瘤发病情况登记年报，数据来源于24个省的72个监测点，覆盖
8500万人。年报显示，每年新发肿瘤病例约为312万例，平均每天8550人，全国每分钟
有6人被诊断为癌症。
恶性肿瘤发病率全国35岁至39岁年龄段为87.07/10万，40岁至44岁年龄段几乎翻番
，达到154.53/10万；50岁以上人群发病占全部发病的80%以上，60岁以上癌症发病率超
过1%，80岁达到高峰。
全国肿瘤死亡率为180.54/10万，每年因癌症死亡病例达270万例。我国居民因癌症
死亡的几率是13%，即每7至8人中有1人因癌死亡。
肿瘤死亡率男性高于女性，为1.68:1。
肺癌居癌症死亡首位
从病种看，居全国恶性肿瘤发病第一位的是肺癌，其次为胃癌、结直肠癌、肝癌和
食管癌，前10位恶性肿瘤占全部恶性... 阅读全帖 |
|
d**s
发帖数: 920 | 18 一个正常的随机行走， 它伴随的几率分布是二项式系数，取极限之后， 就是高斯分布：
exp(-x^2)
请问， 怎样的一个特殊的随机行走，它伴随的机率分布在取极限之后是指数分布？
f(x) = e^(-x), x >= 0
= 0 , x < 0
“特殊的”随机行走， 意味着，
a. 走左右两边的概率和步长可以不一样
b. 每一步的分布可以不一样, 可以不是 Markov Chain。
总之， 每一步怎么走都行， 只要求它伴随的机率分布在取极限之后是指数分布。
多谢您的关注。 |
|
g**********t
发帖数: 475 | 19 你是对的。直观上讲，刚开始有N个元件，出现第一个损坏的时间符合指数分布，期望
是T_f/N。从出现第一个损坏开始重新计时，此时有N-1个元件，出现第二个损坏的时间
符合指数分布，期望是T_f/(N-1)。如此类推，最后只剩一个元件，其损坏的时间分布
还是指数分布，期望是T_f。把所有的等待时间加起来，就是
\sum_{i = 1}^{N}\frac{T_f}{i} |
|
s***a
发帖数: 4921 | 20 【 以下文字转载自 STUN 讨论区 】
发信人: cayenne (沙皮船长), 信区: STUN
标 题: 全中国美女分布状况列表(仅供参考)
发信站: BBS 未名空间站 (Mon Apr 30 11:59:01 2007)
经过百位专家一年来的辛勤工作，备受网友关注的中国盛产美女地区排名最终完成了。
我们注：括号内三项数字为当地美女三大指数的平均值。三大指数依次为长相指数、打
扮指数、韵味指数
位次 地区 美女百分比 三大指数平均值 所属省市 美女地理划分区
1 重庆 24.25% (81.77-75.35-70.01) 重庆 川中区--长江沿线
区
2 成都 22.89% (81.29-75.66-70.19) 四川 川中区
3 长沙 20.57% (81.70-74.52-72.89) 湖南 湘西区延伸部
4 武汉 19.63% (79.45-72.68-66.51) 湖北 长江沿线区
5 米脂 19.05% (80.21-69.67 |
|
s**********e
发帖数: 33562 | 21 等待时间用指数分布拟合可能更好，貌似MMm Queue的等待时间就是指数分布的。
然后这个指数分布的参数随时间缓慢变化。你可以用不同时间的数据获得一个参数变化
的经验函数。
不是排队轮的专业人士，信口一说。。。 |
|
d******a
发帖数: 32122 | 22 某统计系老师说过，电子器件的寿命服从指数分布
他有一次去买灯泡，售货员说那个型号的卖光了，就剩下插在灯座上上已经亮了很多天
已经发黑的一枚了。他说他原价买下了，因为指数分布没有记忆。他说，当时售货员非
常惊讶，因为店小二没学过指数分布。 |
|
k*****e
发帖数: 22013 | 23 我那最粗略的模型来估计了一下
假设贫富差距分布是一个指数分布y=A*exp(-nx)
多少人的总资产就是上式的积分：int(y)=A/n*(1-exp(-nx))
最富有的0.4%的人占有60~70%的财富，根据这个条件可以算出曲线的弯曲度n。
再根据这个人引用的：最富有32万人可投资资产9万亿资产，
就可以算算全国的可投资总资产。
解得过程就不写了，最后算出来
全国可投资资产大约在 126 万亿到 164 万亿之间
在数量级上，感觉并没有什么不靠谱的...
当然指数分布是一个非常粗略非常粗略的模型，
这个也就只能拿来估算一下数量级。
但是压根就不是这个人估计的什么18万亿+7.7万亿。
32 |
|
l*******e
发帖数: 2431 | 24 赞一下作者的渊博。
关于IQ的分布，你前面解释outlier时用指数分布，但是解释华裔学生的现象时用了正态
分布。我没有仔细计算过，如果这里也用指数这个比例可能远不止10％。其实IQ模型
学术界并没有统一，而且用理论模型去fit实际data时总会有偏差。
大师的学生容易作出成就，当然一个因素会是教徒有方，但是另一方面，大师择徒的
门槛本来就高得多，所以有幸入选的学生IQ也高。
的书 |
|
j**********2
发帖数: 1495 | 25 是指数分布。指数分布用来描述时间间隔，泊松分布用来描述发生次数。不过这个不重
要。
我算了一下，用你原帖的两年故障率数据，取了最低的asus，15.6%，中间的dell,18.3
%和最高的HP,25.6%
结论是：
能安全使用一年的概率分别是：92%，91%，88%
能安全使用两年的概率分别是：86%，83%，77%
能安全使用五年的概率分别是：67%，63%，52%
能安全使用十年的概率分别是：46%，40%，28%
可以看见，随着使用年限的增加，差距在变大。不过我觉得你的结论还是成立的。只是
要有个前提，如果你买电脑准备用个2，3年就换新的，那可靠性可以不用考虑了。除非
买个电脑就用5到10年，不过这样的人应该不多
为之前喷你道歉 |
|
n********n
发帖数: 8336 | 26 职老评论：
－－－－－
首先老拳对人工智能的目标函数下的价值计算及其建立解释科普的不错，看来是真懂了
，特别是下面这段：
“但是对于象下围棋一类的问题，自己每一步都有N种可能的走法。自己每走一步，对
方又有N种可能的走法。因此博弈每一方的对策集合，虽然理论上仍是有限的，但却是
个天文数字，且又是个离散的集合。既不能用解析的方式（即连续函数）来表述，更无
法用枚举的方式，将所有对策穷尽。所以只能将以往的经验作为整个对策集合的子集合
输入机器。从这个子集合开始，让机器在实践中不断积累更多的对策及每一个对策的收
益值（胜算概率），从而不断扩充对策集合和集合上的收益值，并不断修正收益值的估
算（胜算概率）。这就是人工智能所谓的动态“学习”过程。然而，万变不离其衷，最
后仍可归结为前文描述的决策过程。”
那么，就人类的学习过程中是否真的如此呢？除了专业选手训练，现在大企业的员工和
管理层面的决策培训外，其实人类的很多学习是建立在非决策基础上的，也就是说：选
点并不单一。其实根据量子学原理，未来决定了现在，那么单一性选点其实并不是坏的
过程，人类历史的进程其实就是量子化的单一选点，也就是师师第4盘... 阅读全帖 |
|
s********l
发帖数: 439 | 27 我不知道你到底想要这10个数满足什么样的分布。如果你想把[0 1] ”均匀地“ 分成
10块，也就是所谓的uniform random partition的话，标准的做法有两种，一是生成10
个独立同分布的指数分布的随机数，也就是10个 EXP(1)，然后rescaling；二是生成9
个均匀分布的随机数，然后排序，把这9个数作为partition，把[0 1]分成10块。可以
证明这两种做法生成的分布是一样的。
直接加起来rescaling是不对的，这样会有bias。
是0 |
|
IP
发帖数: 106 | 28 小弟现在需要在FreeBSD内核(模块)函数内,要用到一个随机流函数(即每次调用随机流
函数,得到的数服从某种统计分布,比如负指数分布,几何分布,或者Pareto分布). 我
的理解,如果是在用户空间里面实现一个如此的随机流函数比较容易,利用C带的均匀分
布随机数产生器,再加上math.h里的求对数或者求幂函数log(), 和pow(),就可以产生
上述分布.但是如果在内核里面自己实现这样随机流函数(内核好像没有现成的函数),我
遇到两个麻烦,第一, math.h 和 sys/systm.h里面都定义了"log", 编译有冲
突,还有网上有人说数学库链接会有问题.第二, 能不能尽量避免在内核使用浮点数.
请教一下大家,有没有什么建议,谢谢! |
|
k********y
发帖数: 27 | 29 不是假设损失服从指数分布，假设那个age to ultimate factor服从指数分布，不是那
个age to age factor~ |
|
s******h
发帖数: 539 | 30 I would guess not! It is like you have a random sample from exponential, say
X1 , ..., Xn. After your operation, your data would be X1, X1, X1, X1, X1,
..., Xn, Xn, Xn, Xn, Xn. They are not even independent, though identically
distributed. |
|
c****w
发帖数: 35 | 31 If "因为数量不够", why not try the bootstrap method? |
|
|
|
s****h
发帖数: 3979 | 34 懂概率的都不屑理你，还泊松分布呢。你说个指数分布幂率分布还靠谱点。
管它什么分布，随便写个程序模拟个一万次看概率就行了。 |
|
n********n
发帖数: 8336 | 35 人工智能、人格和自由意志 送交者: 对对眼
最近李世石和阿发狗的人机大战在中文网站上被热议。阿发狗的出色表现更是让人始料
不及。许多人因此引发出人工智能最终将征服（奴役或毁灭）人类的惊呼。
本人对人工智能了解甚少。但根据本人的理解，智能机器人无非是在接获各种通过传感
器外部信息数据的输入后作出各种判断和决策。而这种判断和决策一定是建立在人类理
性思维基础之上的，所以也一定和决策论（包括博弈论）和决策模型有关。
大凡决策论，简而言之通常包含两大部分。第一个部分是所有可供决策者选择的对策或
策略的集合。第二部分是目标函数（pay-off），从而确立了决策者的价值取向和目标
。所以目标函数也称收益函数或效用函数（/她采取的策略有明确的目的性。这个目的
性就体现在目标函数的最大化上。判断一个人的行为是盲目的还是理性的，就在于他/
她的行为，那么我们可以称他/她就是个不可理喻的疯子。
当然，每个人的价值取向很不相同。张三的目标函数不等于是李四的目标函数。张三不
能因为李四的行为不符合张三自己的目标函数最大化原则，就称李四是盲目的，或骂李
四是个疯子。反之亦然。虽然很多问题上，人们有共同的价值... 阅读全帖 |
|
o*******w
发帖数: 349 | 36 汇报一下进展
原问题这样。随机变量 u_n 由下式递归给出
u_n = u_{n-1} + (1/N) * ξ(u_{n-1}) ， u_0 = u0 (初始条件）
ξ(u_{n-1}) 的分布跟前一步的 状态有关 （因此写上u_{n-1}）， 所以这是一个
Markov 过程。
现在想证明 E （u_n） 关于x lipschitz 连续, i.e.
| E u_n - E v_n | < L| u0 - v0 |
其中v_n 的初始条件是 v0.
直观上好像显然，因为 E（u_n）是 初始条件x 的函数，同时如果初始条件相同，则所
产生的随机过程的任何统计数据都应该一样。也就是说
| E u_n - E v_n | = 0 如果 u0 = v0 的话
但一般的 E（u_n） 关于x lipschitz 连续 并不成立. 例子：
如果 E ξ(u_n) = u_{n-1}^2 则
E u1 = E { x + ξ(x) / N } = x + x^2 / N 这是一个关于x的连续函数
但是 E（u2） 呢
E（... 阅读全帖 |
|
X****r
发帖数: 3557 | 37 这涉及到你对对方的策略的知识(e.g.先验分布).
1.如果你知道或你们约定TA一定会站着不动, 那你无疑应该到处乱跑. 如果把
SUPERMKT模型为二维平面网格, 定义曼哈顿距离, 那么这又涉及到你对TA当
时离你的距离的分布的先验知识或模型.
1.1.如果这个类似于指数分布, 可能螺旋式地往外找更好些
1.2.如果这个类似于均匀分布, 可能你怎么走都一样, 只要不走重复路线.
1.3.如果你根本没有这个先验知识, 那么就不能用期望来评价某种算法的优劣,
而要代之以在最坏情况下与最优算法的结果之比例, 目的是使这个比例为
最大. 直觉认为螺旋式地往外找或随机游动比较好, 两者的比例可能都是
1/O(d)左右.
2.如果你知道TA一定是某一种走法, 比如螺旋式地往外找, 那么也许你站着不
动和也是螺旋式地外找的期望相仿, 但最坏情况就差别很大, 所以还是站着
不动吧...
3.要是根本就不知道TA会怎么走, 就很复杂了, 参见(1.3) 的讨论. 一个可行
的方案是站着不动T 时间, 随机游动T 时间, 站着不动2T时间, 随机游动2T
|
|
d*********o
发帖数: 6388 | 38 http://realtime.zaobao.com/2010/12/101220_41.shtml
（综合讯）中央社报道，经济学人资讯社公布2010全球民主指数调查显示，全球民主下
滑。台湾在167个国家排行榜中名列第36，较2008年倒退3名。
这项全球民主指数（Index of Democracy 2010）是由经济学人资讯社（Economist
Intelligence Unit，EIU）按照5项指标，对全球167个国家进行评比。EIU表示，目前
全球约有一半人口住在民主环境中，但民主程度有普遍倒退的趋势。
亚洲四小龙民主排行榜依序为：韩国（第20名）、台湾（第36名）、香港（第80名
）、新加坡（第82名）。
各项指标满分10分的统计当中，台湾在「选举过程与多元化」获得9.58分、「政府
效能」得7.14分、「政治参与」得5.56分、「政治文化」得5.63分、「公民自由」得9.
71分，总成绩平均为7.52分，较2008年的7.82分下滑，排名也退步3名。
EIU指出，自从2008年以来，全球民主普遍下滑。民主化理论大师戴蒙（Larry
Diamond）2008年将数10年的... 阅读全帖 |
|
M**********n
发帖数: 314 | 39 【 以下文字转载自 Living 讨论区 】
发信人: MultiMillion (Multi Million), 信区: Living
标 题: 先睹为快：学区综合指数-安猪智能移动应用程序
发信站: BBS 未名空间站 (Mon May 27 04:26:26 2013, 美东)
这个是为学区综合指数网站 http://PublicSchoolIndex.com 开发的安猪智能移动应用程序，早起的同学可以试试。走到哪里都可以很方便的查看周围的学校信息，例如历史评分，人种分布，教师/学生比例，家长的评估等等。也可查看周围的在售房屋的信息。周末到一个综合90多分的地区看小黑屋时试了试，蛮方便的。请大家多试试，发现问题我们好改进，争取尽快正式提交到安猪的Play Store. 希望能给大家看房，找学校时带来方便。另外我们的 iPhone 应用程序也在开发中。
学区综合指数-安猪智能移动应用程序
http://publicschoolindex.com/MobileApps.aspx |
|
s********l
发帖数: 439 | 40 靠，你应该早点把具体的问题说出来。你这样子当然要sample一个simplex（中文叫单
纯形）上面的均匀分布，具体做法前面已经给了，或者用N个i.i.d 指数分布做
rescaling，或者就是N-1个均匀分布排序做[0 1]之间的等分点。
你sample 10000个当然是看不到这种1个0.99，其他9个都特别小的情况的。要知道维数
越高，单纯形的一个角占总体积的比例越小。如果是10个的话这种正好在单纯形一个角
上的概率大概是10^-18这个量级。
另外return和投资组合之间总应该有一点连续性的。随机取一个点然后用BiCG或者BFGS
之类的方法去找这个点周围的局部最优。多选几个随机的出发点，找到整体最优不会太
困难，至少比你这种在高维空间做穷举法简单太多了。
sample |
|
m*****n
发帖数: 1513 | 41 房地产需求在中国是指数分布（或者幂级数分布）、而不是均匀分布
大城市的需求特别大、而小县城的需求很小 |
|
h*****n
发帖数: 1630 | 42 你没理解量子力学的思想。
量子力学里面量子态相同就是一样！除此之外没有比量子态更“细致”的状态。如果坚
持非要位置和动量都一样才算一样，那是经典力学的假设，在这里不成立。
举个例子，我们可以选取很多处于第一激发态的氢原子，在这些氢原子里的电子就是处
于同样量子态的，因为它们的电子云有同样的分布。你不能“想象”这些电子有不同的
初始位置和动量，因为这个想象毫无意义，那种信息在这个量子态里根本不存在。实验
上我们可以观察这些电子什么时候会发射光子并跳到基态，你会发现它们跳到基态的时
间是随机的，有一个指数分布。
再比如，在电子干涉实验里，我们可以通过电磁速度选择器选取有一定速度的电子，然
后再通过小孔选择有一定位置的电子。这样得到的电子其动量不确定性和位置不确定性
的乘积可以等于普朗克常数，也就是说，该电子在通过小孔时处于单一量子态。你大概
还是会说初始动量和位置的模糊性会是造成结果几率分布的原因，但实际上简单的计算
就能知道，干涉条纹所呈现的不确定性远大于初始量子态的不确定性加上经典传播过程
（假定电子有轨迹）的放大。或者说，一个单一初始量子态，最后随机的变成了很多个
不同的量子态，而这... 阅读全帖 |
|
w********u
发帖数: 71 | 43 传统语音业务的服务时间,一般都用指数分布。
不过有了modem用电话线上网之后，这个模型就不准了。
想建立一个数学模型来模拟电话交换机上 phone call in 的状况。 只记得学概率统计时
， 教科书提到电话 Call in 进来电话交换机是随机的， 符合泊松分布。每个电话通话
的时间长短也是随机的， 可是不知符合哪种分布？
各位大牛， 有无数学模型来模拟电话交换机上 phone call in 这方面的文章？请不吝指
教。 |
|
l********k
发帖数: 14844 | 44 如果被统计的数值可正可负，mean和std不需要有什么大小关系。如果被统计的数据都
是非负的，std仍然可能大于mean，这个取决于具体的分布。比如指数分布，mean =
std，[0 0 1 1]，也是mean = std。而比如说[0 0 1]， mean = 0.333, std = 0.47，
std > mean.
简言之，分布的不对称性越大，std越是一个不好的参数。如果要画图，通常不能画
mean +/- std bar graph，而是要画成boxplot: |
|
L*****k
发帖数: 327 | 45 如果X和Y是joint normal，那么这道题目很容易。在joint-normal下，condition
distribution还是normal，因此计算可以大大简化
如果joint不是normal，但是其他的给定分布，还是可以做的。只不过没有了condition distribution还是normal的这个特性，计算可能变难，很可能没有close form（可能某些指数分布族会简单些）
而如果joint的分布不告诉你，那就是题目有问题，没有joint，怎么可能求condition，那就是一个个joke题目 |
|
d*****o
发帖数: 34 | 46 hitting time的variance估计要具体问题具体算了吧，先得知道hitting time的分布。
不知道有没有像expectation那样的性质。
比如我们知道泊松过程中的时间间隔是指数分布。这就是一个hitting time的分布。所
以我们可以知道他的方差。
在wiki上hitting time的文章里有提到布朗运动的hitting time是levy distribution.
在google上还找到了关于random walk的：
http://www.math.cornell.edu/~peterson/research/JonPetersonThesi
我觉得这个问题挺有意思的，期待大牛解答。 |
|
k*****u
发帖数: 1688 | 47 或者这么说吧，x是指数分布，y是gamma分布，z是beta分布。
现在(x+y,y+z)你怎么搞？ |
|
S******8
发帖数: 24594 | 48 本报讯（记者贾晓宏） 今天上午，“中国肥胖指数”阶段研究成果发布。研究表明：
中国的肥胖人群分布，由北向南呈逐步收紧趋势，北方胖子偏多，南方胖子较少，东北
地区更是胖子的“重灾区”。今天同步发布的“绿瘦健康指数”也佐证了这一论断。数
据显示，北方地区减肥人群肥胖率（BMI≥28.0）平均超过35%，而南方地区减肥人群肥
胖率平均只占27%。
专家解释，纬度越高的地区，天气冷，人们运动少，代谢慢，是肥胖的主要成因。
在东北高寒地区，居民更是形成了多吃少动的习惯，造成东北地区肥胖率居高不下。以
辽宁为例，辽宁省发布的数据显示，辽宁居民超重肥胖问题明显，肥胖率比全国高出7
个百分点。与之相反，南方地区肥胖率普遍偏低。据贵州省疾病预防控制中心慢性病防
治研究所发布的数据，2012年贵州省成人超重率为24.6%，肥胖率为7.0%，低于全国平
均水平的30.1%和11.9%。
中国疾控中心营养与健康所研究员王京钟分析说，造成中国肥胖地图上北方超重率
多于南方的原因有其必然性，这与地域气候、饮食习惯等多种客观因素相关。南方人肥
胖率低包含了很多因素，其中十分关键的原因是天气热导致当地人代谢快。除了天... 阅读全帖 |
|
|
a*******u
发帖数: 619 | 50 5、先行者优势
前面的几个博弈都是静态的、双方同时作选择的博弈。你可以设想不同的情况，改变双
方快乐指数的分配，博弈的性质和结果，便会有所不同。
如果一方可以先行一步作选择，有的博弈结果不会变，比如囚徒博弈；有的博弈结果会
不同，比如两性战争。
假设 #2两性战争博弈中，WSN 可以先作选择的话，他面临的博弈是这样的：
WSN
付出 | 不付出
--------------------------------------------------------
| |
大妈付出 大妈不付出 大妈付出 ... 阅读全帖 |
|
