Python approxposterior-0.4.tar.gz模块包
下面是该Python项目安装包的资源下载地址:
approxposterior-0.4.tar.gz.source
文件名称:approxposterior-0.4.tar.gz
版权声明:本程序为网上收集,用户上传,仅供研究学习计算机编程等技术为目的,版权归原作者所有。
所属PyPI项目:approxposterior
文件大小: 35.7 kB
文件类型: Source
适用的Python版本:None
下载文件的哈希值:
SHA256:5a6a64a7291d17450771f2471f92253511e77c86e82b6dcd04d5ffb4a64c1ebc
MD5:0d40472872e2c1b12f7aa1ced1f13de9
BLAKE2-256:db0b4dddfb0660b88840d33027de03ebb3294cc8489f2b3c941ced7f00eb94d7
选择下载地址 热度
851 ℃ | 2024-09-29
- 如果发现本程序安装包或源码失效或下载失败,可以联系站长修复!谢谢。
- 可以使用迅雷等多线程下载专用软件进行加速下载。
- 少部分程序支持BT/磁力下载。
- 少部分程序可能需要编译安装,或下载源码自行安装,也可以使用
pip
命令进行安装。 - 放在网盘上的资源可能会被限速,可能需要注册或者购买对方VIP服务才能快速的下载。
- 如遇压缩包需要密码解压的,密码为 www.cnpython.com (全部小写),不是此密码非本站下载资源。
PyPI项目包:approxposterior
**approxposterior***
概述
==
给定一组观测值,通常希望根据数据推断模型参数。为此,
可以使用贝叶斯推理来推导一个后验概率分布
,该后验概率分布是以观测数据为条件的,具有不确定性的模型参数。例如,在天文学中,利用mandel&agol(2002)
凌日模型,根据恒星通量随时间变化的观测值拟合凌日行星的半径是很常见的。通常,可以使用马尔可夫链蒙特卡罗(mcmc)技术导出模型参数的后验分布,