#!/bin/bash
#不用反复使用命令执行的抽奖代码，主要用的是管道符号来做的
#定义一个中奖的文件，用来记录中奖的人的信息，脚本第一次执行会清空里面的内容，要是没有这个文件就会新建这个文
>luckylist.txt || touch luckylist.txt
cp $1 luckylist.txt #生成一个用于减法的名单
for((i=1; i<=$(ca
概率和统计知识是数据科学和机器学习的核心；我们需要统计和概率知识来有效地收集、审查、分析数据。现实世界中有几个现象实例被认为是统计性质的（即天气数据、销售数据、财务数据等）。这意味着在某些情况下，我们已经能够开发出方法来帮助我们通过可以描述数据特征的数学函数来模拟自然。“概率分布是一个数学函数，它给出了实验中不同可能结果的发生概率。”了解数据的分布有助于更好地模拟我们周围的世界。它可以帮助我们确定
转载
2023-11-16 13:54:42
110阅读
目录 1 什么是概率分析 2 概率分析的指标 3 概率分析的方法 4 概率分析的步聚 什么是概率分析 概率分析又称风险分析，是通过研究各种不确定性因素发生不同变动幅度的概率分布及其对项目经济效益指标的影响，对项目可行性和风险性以及方案优劣作出判断的一种不确定性分析法。概率分析常用于对大中型重要若干项目的评估和决策之中。&nb
转载
2023-11-28 09:42:22
67阅读
一、明确目标数据分析的目的取决于项目需求，脱离了实际项目需求的数据分析就是无源之水，所以第一步就是明确分析的目标是什么。本次项目是著名的泰坦尼克号沉船事件，这里想知道影响沉船生存率的因素是什么，并且预测乘客的的生存率。二、分析思路和方法在统计学领域，数据分析分为描述性数据分析、探索性数据分析、验证性数据分析；本次项目属于探索性和验证性，所以主要用到相关分析和回归分析，但是也会用到描述统计分析，分析
转载
2023-10-23 08:53:37
47阅读
python统计分布和概率 When studying statistics, you will inevitably have to learn about probability. It is easy lose yourself in the formulas and theory behind probability, but it has essential uses in both
转载
2023-09-12 11:33:27
211阅读
文章目录相似性测度1.距离测度1.1 欧式距离1.2 街坊距离（Manhattan距离）1.3切式(Chebyshev)距离1.4明氏(Minkowski)距离1.5 马氏(Mahalanobis)距离1.6 Camberra距离2.相似测度2.1角度相似系数（夹角余弦）2.2指数相似系数3.类间距离测度方法3.1最短距离法3.2 最长距离法3.3 中间距离法3.4 重心法3.5平均距离法聚类准
转载
2023-06-21 21:50:44
212阅读
概率分布抽样-离散random.randint(a,b) # 离散均匀分布 random.randrange([start,]stop[,step]) # 离散均匀分布 离散指数分布-缺失！ 伯努利分布-缺失！ 二项分布-缺失！ 几何分布-缺失！ 泊松分布-缺失！概率分布抽样-伪连续random.uniform(a,b) # 均匀分布 random.random() a=0、b=1的均匀分布 ra
转载
2023-07-12 21:48:15
95阅读
1. 古典概型中条件概率的计算条件概率是将样本空间限制在上，的概率。因此，我们可以利用《概率统计Python计算：解古典概型问题》定义的函数P(A, S)，计算古典概型中的条件概率。这只需对两个参数A和S分别传递和即可。例1 一盒子装有4只产品，其中有3只一等品，1只二等品。从中无放回地抽取产品两次，每次任取一只。设事件为“第一次取到的是一等品”，事件为“第二次取到的是一等品”。求条件概率。解：
转载
2023-08-28 14:09:43
200阅读
---恢复内容开始---一、朴素贝叶斯算法（naive bayes）是基于贝叶斯定理与特征条件独立假设的分类方法 1、贝叶斯定理 #P(X)表示概率，P（XX）表示联合概率，也就是交集，也就是一起发生的概率 由公式：P（AB）= P(A|B)*P(B) =P(B|A)*P(A) 可以推出 贝叶斯公式：P(A|B) = P(B|A)P(A)/P(B) 2、特征条件独立 给定样本的 属性之
转载
2024-04-12 23:50:25
18阅读
数学建模（9）分类模型也就是逻辑（logistic）回归或者fisher判别逻辑回归y≥0.5事件发生y<0.5事件不发生所以需要找到一个函数值域在[0,1]之间比如标准正态分布的累计密度函数（称为回归）和函数（称为回归）常用逻辑回归，因为积分不方便。一般用就是之前的线性回归的过程这里的函数叫做连接函数我的理解就是把线性回归之后的结果，再从函数里面过一遍，然后达到了把值域控制在[0,1]之间
转载
2023-10-11 10:30:29
98阅读
一、随机信号概述及基本概念描述随机信号必须采用概率统计的方法1. 样本函数：随机信号按时间历程所作的各次长时间的观察，记作\(x_i(t)\)。2. 样本记录：在有限区间上的样本函数3. 随机过程：同一试验条件下的全部样本函数的集（总体），记为\({x(t)}\)\({x(t)} = {x_1(t), x_2(t), \cdots, x_i(t), \cdots}\)随机过程可以根据t的离散或连续
转载
2024-08-30 15:55:37
160阅读
大家好，今天整理了数据分析面试题集锦(一)，经常会被问到，“数据分析需要学习什么技能？”，“针对实际的业务场景，如何使用数据分析工具去分析？”基于此作者总结数据分析面试常用的问题，面试内容包括技能应用篇：EXCEL、SQL、Python、BI工具等，业务思维篇：常用的数据分析方法与业务思维等。其中大部分的问题点，没有绝对标准的答案，所有的问题点都是为了解决问题去设置，大家如果有更好的问题答案，也可
random模块实现了这种分布的伪随机数生成器，随机数可以被应用于数学、安全等领域，并且也经常被嵌入算法中，用以提高算法效率，在机器学习算法中对随机数的设定是必要的一步，并且随机数的设定会影响算法的好坏。random模块提供的函数是基于random.Random类的隐藏实例的绑定方法，几乎所有模块函数都依赖于基本函数random()，random()函数在半开放区间[0.0, 1.0)内均匀生成随
转载
2023-08-06 21:17:40
263阅读
实验一抛硬币试验的模拟利用python产生一系列0和1的随机数，模拟抛硬币试验。验证抛一枚质地均匀的硬币，正面向上的频率的稳定值为0.5。 实验步骤 （1）生成0和1的随机数序列，将其放入列表count中；也可用函数表示。 （2）统计0和1出现的次数，将其放入a中。a[0],a[1]分别表示0和1出现的次数。 （3）画图展示每次实验正面向上出现的频率import matplotlib.pyplot
转载
2023-08-14 15:49:10
161阅读
在本文中，将给大家介绍常见的8种概率分布并通过Python 代码进行可视化以直观地显示它们。概率和统计知识是数据科学和机器学习的核心；我们需要统计和概率知识来有效地收集、审查、分析数据。现实世界中有几个现象实例被认为是统计性质的（即天气数据、销售数据、财务数据等）。这意味着在某些情况下，我们已经能够开发出方法来帮助我们通过可以描述数据特征的数学函数来模拟自然。“概率分布是一个数学函数，它给出了实验
转载
2023-08-06 12:02:53
173阅读
第1章 探索性数据分析
如果能将数据与实际方法相结合，就可以在存在不确定性时解答问题并指导决策，这就是本书的主题。 举个例子。我的妻子在怀第一胎时，我听到了一个问题：第一胎是不是经常晚于预产期出生？下面所给出的案例研究就是由这个问题引出的。 如果用谷歌搜索这个问题，会看到大量的讨论。有人认为第一胎的生产日期确实经常晚于预产期，有人认为这是无稽之谈，还有人认为恰恰相反，第一胎常常会早产。 在很多
转载
2023-12-22 15:50:33
67阅读
离散型概率分布二项分布二项试验满足以下条件的试验成为二项试验：试验由一系列相同的n个试验组成；每次试验有两种可能的结果，成功或者失败；每次试验成功的概率是相同的，用p来表示；试验是相互独立的。设x为n次试验中的成功的次数，由于随机变量的个数是有限的，所以x是一个离散型随机变量。x的概率分布成为二项分布。Python实现>>> import numpy as np
>>
转载
2023-08-08 13:42:12
291阅读
一、概率列表+样本列表 任务描述：我们常常拥有一个概率列表和样本列表，表示每一个样本被选中的概率，并且在概率列表中，概率之和为1。比如，[0.7, 0.2, 0.1]和['钢铁侠', '美国队长', '雷神']，两个列表中的元素一一对应；并且，这两个列表共同表示：'钢铁侠'有0.7的概率被选中，'美国队长'有0.2的概率被选中，'雷神'有0.1
转载
2024-01-17 06:03:25
133阅读
上一期文章：「12」你们啊，naive！——朴素贝叶斯谈笑录 中，我们剖析了朴素贝叶斯算法的本质和特点以及贝叶斯学派的一些知识。这里我们用python代码进行Naive Bayes算的的实现。第1部分是计算打喷嚏的建筑工人患上新冠肺炎的概率，第2部分是上一期文章中提到的西瓜分类实战项目。实战项目一、计算打喷嚏的建筑工人患病的概率有多大？class NBClassify(object):
转载
2024-02-02 16:03:27
12阅读
算法很简单，x是我们最终要输出的数字，只要它不在[0, 3)范围内，就不断地调用Rand5来更新它。直观地看，算法输出的数字只有0、1、2这三个，而且对任何一个都没有偏袒，那么显然每个数字的概率都是1/3，那让我们来严格地计算一下。以输出0为例，看看概率是多少。x的第一个有效数值是通过Rand5得到的。Rand5返回0的概率是1/5，如果这事儿发生了，我们就得到了0， 否则只有当Rand5返回3或
转载
2023-08-10 19:50:51
177阅读
