如何解决在Haskell中,Ruby的pnormaldist统计功能相当于什么?
| 如此处所示:http://www.evanmiller.org/how-not-to-sort-by-average-rating.html 这是在Statistics2库中实现的Ruby代码本身:# inverse of normal distribution ([2])
# Pr( (-\\infty,x] ) = qn -> x
def pnormaldist(qn)
b = [1.570796288,0.03706987906,-0.8364353589e-3,-0.2250947176e-3,0.6841218299e-5,0.5824238515e-5,-0.104527497e-5,0.8360937017e-7,-0.3231081277e-8,0.3657763036e-10,0.6936233982e-12]
if(qn < 0.0 || 1.0 < qn)
$stderr.printf(\"Error : qn <= 0 or qn >= 1 in pnorm()!\\n\")
return 0.0;
end
qn == 0.5 and return 0.0
w1 = qn
qn > 0.5 and w1 = 1.0 - w1
w3 = -Math.log(4.0 * w1 * (1.0 - w1))
w1 = b[0]
1.upto 10 do |i|
w1 += b[i] * w3**i;
end
qn > 0.5 and return Math.sqrt(w1 * w3)
-Math.sqrt(w1 * w3)
end
解决方法
翻译起来很简单:
module PNormalDist where
pnormaldist :: (Ord a,Floating a) => a -> Either String a
pnormaldist qn
| qn < 0 || 1 < qn = Left \"Error: qn must be in [0,1]\"
| qn == 0.5 = Right 0.0
| otherwise = Right $
let w3 = negate . log $ 4 * qn * (1 - qn)
b = [ 1.570796288,0.03706987906,-0.8364353589e-3,-0.2250947176e-3,0.6841218299e-5,0.5824238515e-5,-0.104527497e-5,0.8360937017e-7,-0.3231081277e-8,0.3657763036e-10,0.6936233982e-12]
w1 = sum . zipWith (*) b $ iterate (*w3) 1
in (signum $ qn - 0.5) * sqrt (w1 * w3)
首先,让我们看一下ruby-它返回一个值,但有时会打印一条错误消息(给定不正确的参数时)。这不是很仓促,所以
让我们的返回值为Either String a
-如果给定的参数不正确,我们将返回带有错误消息的Left String
,否则返回Right a
。
现在,我们检查顶部的两种情况:
qn < 0 || 1 < qn = Left \"Error: qn must be in [0,1]\"
-当qn
超出范围时,这是错误情况。
qn == 0.5 = Right 0.0
-这是红宝石支票qn == 0.5 and return * 0.0
接下来,我们在红宝石代码中定义“ 9”。但是我们稍后再重新定义它,这不是很红宝石。我们第一次存储在w1
中的值
是在w3
的定义中立即使用的,那么为什么不跳过将其存储在w1
中呢?我们甚至不需要执行qn > 0.5 and w1 = 1.0 - w1
步骤,因为
我们在w3的定义中使用乘积w1 * (1.0 - w1)
。
因此,我们跳过所有内容,直接进入定义w3 = negate . log $ 4 * qn * (1 - qn)
。
接下来是ѭ16的定义,它是从ruby代码直接得到的(ruby的数组文字语法是haskell的列表语法)。
这是最棘手的位-定义w3
的最终值。红宝石代码的作用
w1 = b[0]
1.upto 10 do |i|
w1 += b[i] * w3**i;
end
所谓的折叠-将一组值(存储在ruby数组中)减少为一个值。我们可以使用Array#reduce
在功能上(但仍以红宝石形式)重述:
w1 = b.zip(0..10).reduce(0) do |accum,(bval,i)|
accum + bval * w3^i
end
注意如何使用标识the22ѭ将b[0]
推入循环。
现在我们可以直接将其移植到haskell,但这有点难看
w1 = foldl 0 (\\accum (bval,i) -> accum + bval * w3**i) $ zip b [0..10]
相反,我将其分解为几个步骤-首先,我们实际上并不需要i
,我们只需要ѭ11power(从w3^0 == 1
开始)的幂,所以
让我们用iterate (*w3) 1
来计算。
然后,我们最终不需要它们的乘积,而不是将它们与b的元素压缩成对,因此我们可以将它们压缩到
每对产品使用zipWith (*) b
。
现在我们的折叠功能真的很简单-我们只需要对产品进行汇总,就可以使用sum
来完成。
最后,根据qn
大于或小于0.5,我们决定返回正负sqrt (w1 * w3)
(我们
已经知道这是不相等的)。因此,与其像红宝石代码那样在两个不同的位置计算平方根,
我计算了一次,然后根据qn - 0.5
的符号将其乘以+1
或-1
(signum
只是返回值的符号)。
,深入研究Hackage,有许多用于统计的库:
hmatrix-gsl-stats-与GSL的纯绑定
hstatistics-更高级别的GSL接口
hstats-常用的统计方法
统计-更常见的统计方法
statistics-linreg-基于另一个统计数据包的两个样本之间的线性回归。
您需要一个版本pnormaldist
,该版本为“返回normaldist(x)的P值”。
Statistics包中的Statistics.Distribution.Normal提供了许多操作正态分布的功能。
Statistics.Test.NonParametric包含许多与P值有关的事情。
也许那里有什么可以满足您的需求?
,hacker的erf包中现在提供了所需的功能。叫ѭ37。
,这是我对node.js中Bernoulli参数的Wilson得分置信区间
wilson.normaldist = function(qn) {
var b = [1.570796288,-0.0008364353589,-0.0002250947176,0.000006841218299,0.000005824238515,-0.00000104527497,0.00000008360937017,-0.000000003231081277,0.00000000003657763036,0.0000000000006936233982
];
if (qn < 0.0 || 1.0 < qn) return 0;
if (qn == 0.5) return 0;
var w1 = qn;
if (qn > 0.5) w1 = 1.0 - w1;
var w3 = -Math.log(4.0 * w1 * (1.0 - w1));
w1 = b[0];
function loop(i) {
w1 += b[i] * Math.pow(w3,i);
if (i < b.length - 1) loop(++i);
};
loop(1);
if (qn > 0.5) return Math.sqrt(w1 * w3);
else return -Math.sqrt(w1 * w3);
}
wilson.rank = function(up_votes,down_votes) {
var confidence = 0.95;
var pos = up_votes;
var n = up_votes + down_votes;
if (n == 0) return 0;
var z = this.normaldist(1 - (1 - confidence) / 2);
var phat = 1.0 * pos / n;
return ((phat + z * z / (2 * n) - z * Math.sqrt((phat * (1 - phat) + z * z / (4 * n)) / n)) / (1 + z * z / n)) * 10000;
}
,简要了解黑客行为并没有发现任何内容,因此建议您将ruby代码转换为Haskell。很简单。
,Ruby代码未记录。没有说明该功能的功能。谁能知道它是否正确执行了预期的工作?
我不会盲目地将该算法从一个实现复制并粘贴到另一个实现中(就像Ruby包的作者所做的那样)。
引用中的引用以ѭ39给出,但这是悬而未决的。我们可以在_statistics2.c
文件中的本机C代码的注释块中找到它。
/*
statistics2.c
distributions of statistics2
by Shin-ichiro HARA
2003.09.25
Ref:
[1] http://www.matsusaka-u.ac.jp/~okumura/algo/
[2] http://www5.airnet.ne.jp/tomy/cpro/sslib11.htm
*/
非常草率的工作只能引用系数被抄写的C源代码,而不是公式的原始源代码。
[1]
链接不再起作用;找不到服务器。幸运的是,我们要的是43英镑。这是日语的页面,其中包含用于各种功能的一些C代码。给出参考。我们要的是pnorm
。在表中,该算法归因于戸田の近似式,这表示\“ Toda \'s Approximation \”。
户田(Toda)在日本是一个普通的姓氏。需要更多侦探工作才能弄清这是谁。
经过大量的努力,我们去了:纸(日文):户田英雄和小野晴美(1993)对标准正态分布百分比点的极小极大逼近。
该算法归因于Toda(我假设是与该论文的合著者相同),日期为1967年,第19页。
似乎还不清楚。在Ruby软件包中使用它的可能原因是,它是在国内来源的源代码中找到的,引用的是国内学者的名字。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。