Wolfram Language

Erweiterungen zu Wahrscheinlichkeit & Statistik

Schnellere Schätzung von Verteilungen

Version 11 bietet zahlreiche Verbesserungen beim Schätzen von Verteilungen, besonders bei der Rechenleistung. Die nachstehenden Diagramme zeigen den Zeitbedarf zur Schätzung von Verteilungen mit unterschiedlicher Stichprobengröße. Die Experimente wurden auf einem Windows 10-System mit einem Intel Xeon-Processor E3-1245 v2 3.40 GHz durchgeführt. Die Zahl über der Achse gibt an, wie viel Mal schneller Version 11 im Vergleich zu Version 10 ist.

Student t-Verteilung.

Den kompletten Wolfram Language-Input zeigen
In[1]:=
Click for copyable input
dist = StudentTDistribution[loc, sc, df]; ndist = StudentTDistribution[-1, 1, 2]; Table[ sample = BlockRandom[SeedRandom["MarketingExample"]; RandomVariate[ndist, n]]; Mean[Table[ First[AbsoluteTiming[EstimatedDistribution[sample, dist];]], {5}]] , {n, {10, 100, 1000}}]
Out[21]=

Weibull-Verteilung.

Den kompletten Wolfram Language-Input zeigen
In[2]:=
Click for copyable input
dist = WeibullDistribution[al, be]; ndist = WeibullDistribution[3, 2]; Table[ sample = BlockRandom[SeedRandom["MarketingExample"]; RandomVariate[ndist, n]]; Mean[Table[ First[AbsoluteTiming[EstimatedDistribution[sample, dist];]], {5}]] , {n, {10, 100, 1000}}]
Out[23]=

Mix aus binormalen Verteilungen.

Den kompletten Wolfram Language-Input zeigen
In[3]:=
Click for copyable input
dist = MixtureDistribution[{w1, w2}, {BinormalDistribution[{m11, m12}, {s11, s12}, \[Rho]1], BinormalDistribution[{m21, m22}, {s21, s22}, \[Rho]2]}]; ndist = MixtureDistribution[{0.3, 0.7}, {BinormalDistribution[{0, 1}, {0.5, 0.25}, 0.7], BinormalDistribution[{-0.5, 0}, {0.5, 0.25}, 0.1]}]; Table[ sample = BlockRandom[SeedRandom["MarketingExample"]; RandomVariate[ndist, n]]; Mean[Table[ First[AbsoluteTiming[ TimeConstrained[EstimatedDistribution[sample, dist];, 100]]], {5}]] , {n, {10, 100, 1000}}]
Out[117]=

Multivariate t-Verteilung.

Den kompletten Wolfram Language-Input zeigen
In[4]:=
Click for copyable input
dist = MultivariateTDistribution[{{m11, m12}, {m21, m22}}, n]; ndist = MultivariateTDistribution[{{1, 1/3}, {1/3, 1}}, 10]; Table[ sample = BlockRandom[SeedRandom["MarketingExample"]; RandomVariate[ndist, n]]; Mean[Table[ First[AbsoluteTiming[EstimatedDistribution[sample, dist];]], {5}]] , {n, {10, 100, 1000}}]
Out[27]=

Verwandte Beispiele

en es ja ko pt-br ru zh