Fundamental_distributions:通过多种贝叶斯和频繁性技术分析数据的示例代码包括贝叶斯模型选择贝叶斯参数估计和线性回归 源码
基本分配 这段代码是用python编写的。 每个程序都使用示例数据,这些数据可以在同一文件夹中找到,也可以在代码本身内生成。 Least-squares_fitting程序显示了如何针对变量x对y或变量y对x(或在此程序中,位移和时间)生成最小二乘拟合。 计算Spearman和Pearson相关系数 贝叶斯模型选择程序使用贝叶斯统计方法来评估三个模型中的哪一个最能代表示例数据。 会在10小时,24小时和100小时内“收集”数据,以便我们评估随着更多数据的引入,我们的模型选择可能会如何变化。 绘制了一些示例数据的累积分布,并将其与预期的恒星光度分布进行比较。
文件列表
Fundamental_distributions-main.zip
(预估有个9文件)
Fundamental_distributions-main
Bayesian_model_selection
data_24hr.txt
216B
Bayesian.py
5KB
data_100hr.txt
900B
data_10hr.txt
90B
Poisson_distribution.py
2KB
Linear_regression
Least_squares.py
3KB
Tdisp.dat
118B
暂无评论