Wolfram Language™

Estimation de la loi plus rapide

La version 11 apporte de nombreuses améliorations à l'estimation des lois de distribution, notamment en termes de performances. Les diagrammes suivants montrent les temps d'estimation de plusieurs distributions avec différentes tailles d'échantillon. Les expériences ont été réalisées sur un système Windows 10 avec un processeur Intel Xeon E3-1245 v2 3,40 GHz. Le nombre en bas de page indique la rapidité de la version 11 par rapport à la version 10.

La loi de Student.

In[1]:=

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]=

La loi de Weibull.

In[2]:=

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]=

Mélange de lois binormales.

In[3]:=

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]=

La loi multivariée.

In[4]:=

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]=