概率论常用指标代码转化

本文介绍了概率论中的幂律分布、正态分布和信息论中的熵与交叉熵,并展示了如何将这些概念转化为Python代码进行计算。幂律分布常见于自然和社会现象,正态分布则广泛应用于各种数据分布,熵和交叉熵在信息编码和模型评估中有重要应用。
摘要由CSDN通过智能技术生成

1、幂律曲线

幂律分布是指某个具有分布性质的变量,且其分布密度函数是幂函数(由于分布密度函数必然满足“归一律”,所以这里的幂函数,一般规定小于负1)的分布。

幂律分布表现为一条斜率为幂指数的负数的直线,这一线性关系是判断给定的实例中随机变量是否满足幂律的依据。

统计物理学家习惯于把服从幂律分布的现象称为无标度现象,即,系统中个体的尺度相差悬殊,缺乏一个优选的规模。可以说,凡有生命的地方,有进化,有竞争的地方都会出现不同程度的无标度现象。

自然界与社会生活中存在各种各样性质迥异的幂律分布现象,因而对它们的研究具有广泛而深远的意义。当样本数据较多时,变量x的概率密度函数:f(x)~x^(-α-1)。

幂律分布经常被用于自然和社会等各种现象。它比正态分布延伸范围更广泛,可以处理极端罕见的现象,如股票市场崩溃。财富分配符合这一分布,穷人总是绝大部分,越有钱的又少,但是越少的人掌握着越丰厚的财富。
表示幂律的表达式如下,其中c和k是常数:

f(x) = cx^{-k}

通过公式转化为代码如下:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值