Моя цель состоит в том, чтобы нарисовать выборку из нескольких возможных значений с учетом двух линейно коррелированных списков и одного наблюдения. Список задачи1_S_LIST Содержит время, необходимое для выполнения задачи 1. Список задачи 2_S_LIST содержит время, необходимые для выполнения задачи 2. У меня есть наблюдение за задачей 1, и я хочу нарисовать образец возможной задачи 2 раза.
Это два списка в их полнометражном
Приведенные выше цифры являются иллюстративными и предназначены для выполнения этой гистограммы task2_s/task1_s . Критически, экстремальные предсказания возможны, но редки.
вспыхивает данные x = 4.8, но есть очень длинный хвост. Это предполагает что -то вроде логнормального распределения.
Я не уверен в том, как лучше всего продолжить, но моя идея о том, как перейти отсюда следующим образом:
[*] Использовать scipy.stats.lognorm.fit () в списке. Логинормальное распределение.
[*] Использовать scipy.stats.lognorm.rvs () для построения логнормального распределения и нарисовать случайную выборку.
Умножение каждого случайного значения по моему наблюдению, чтобы получить различный прогноз. task1_s_list-task2_s_list отношения и получить несколько прогнозов на наблюдение?
Если не то, что такое более подходящее решение?>
Pearson correlation coefficient: 0.7678790257160918 P-value: 1.5437238651528808e-54 [/code] Проще говоря, вычислять единый прогноз «Задача 2» из наблюдения «Задача 1» с использованием линейной регрессии.
[code]Observation: 100.0 Prediction 1: 420.0 Prediction 2: 600.0 Prediction 3: 425.9 Prediction 4: 433.8 Prediction 5: 492.9 Prediction 6: 7200.0 Prediction 7: 501.8 [/code] Приведенные выше цифры являются иллюстративными и предназначены для выполнения этой гистограммы task2_s/task1_s . Критически, экстремальные предсказания возможны, но редки.
вспыхивает данные x = 4.8, но есть очень длинный хвост. Это предполагает что -то вроде логнормального распределения. Я не уверен в том, как лучше всего продолжить, но моя идея о том, как перейти отсюда следующим образом:
[*] Использовать scipy.stats.lognorm.fit () в списке. Логинормальное распределение. [*] Использовать scipy.stats.lognorm.rvs () для построения логнормального распределения и нарисовать случайную выборку. Умножение каждого случайного значения по моему наблюдению, чтобы получить различный прогноз. task1_s_list-task2_s_list отношения и получить несколько прогнозов на наблюдение? Если не то, что такое более подходящее решение?>
Моя цель состоит в том, чтобы нарисовать выборку из нескольких возможных значений с учетом двух линейно коррелированных списков и одного наблюдения. Список задачи1_S_LIST Содержит время, необходимое для выполнения задачи 1. Список задачи 2_S_LIST...
Моя цель состоит в том, чтобы нарисовать выборку из нескольких возможных значений с учетом двух линейно коррелированных списков и одного наблюдения. Список задачи1_S_LIST Содержит время, необходимое для выполнения задачи 1. Список задачи 2_S_LIST...
Моя цель состоит в том, чтобы нарисовать выборку из нескольких возможных значений с учетом двух линейно коррелированных списков и одного наблюдения. Список задачи1_S_LIST Содержит время, необходимое для выполнения задачи 1. Список задачи 2_S_LIST...
Моя цель состоит в том, чтобы нарисовать выборку из нескольких возможных значений с учетом двух линейно коррелированных списков и одного наблюдения. Список задачи1_S_LIST Содержит время, необходимое для выполнения задачи 1. Список задачи 2_S_LIST...
Моя цель состоит в том, чтобы нарисовать выборку из нескольких возможных значений с учетом двух линейно коррелированных списков и одного наблюдения. Список задачи1_S_LIST Содержит время, необходимое для выполнения задачи 1. Список задачи 2_S_LIST...
Мобильная версия