需要帮助将公式 D=2∑ni=1{Ylog[YE(Y)]−[Y−E(Y)]} 转换为 python 代码答案

【问题标题】：Need help to convert formula D=2∑ni=1{Ylog[YE(Y)]−[Y−E(Y)]} to python code需要帮助将公式 D=2∑ni=1{Ylog[YE(Y)]−[Y−E(Y)]} 转换为 python 代码
【发布时间】：2021-11-02 10:41:52
【问题描述】：

我需要一些帮助才能将公式转换为 Python 代码。

D=2∑ni=1{Ylog[YE(Y)]−[Y−E(Y)]}

【问题讨论】：

到目前为止您尝试过什么？你遇到过哪些问题？为了让您开始，您可以使用 for 循环来模拟 sigma（即 for i in range(1, n + 1) 或带有 sum 的列表理解 sum(i for i in range(1, n + 1))

标签： python python-3.x statistics

【解决方案1】：

import math
ys = [1,2,3] # 3 classes
expectation = {
    1 : 2.718281828459045, 
    2 : 7.38905609893065,
    3 : 20.085536923187668,
}
#i have given exponent value as expectation in the example, some sample values
    
D = sum([((y * math.log(y/expectation[y])) - (y - expectation[y])) for y in ys]) * 2

离散和连续随机变量的期望值不同。

如果期望值是离散的，那么期望值可以计算如下，

P(Y=y) 可以通过Probability mass function计算得到

如果期望值是连续的，那么期望值可以计算如下，

其中Fy(Y)可以通过Probability density function计算，(a,b)是取值范围

【讨论】：

【解决方案2】：

假设您已经解决了计算像 Y 这样的随机变量的平均值的问题。所以，我假设您有一个名为 mean(sample: list) 的东西，它接收 R.V. 采用的值列表。（随机变量）Y。

现在，要将公式转换为代码，可能有很多方法。我个人更喜欢那些更容易阅读和理解的。

import math


sample = [] # Whatever values your RV takes
mean_of_Y = mean(sample)
D = 0

# This part will make the summation - obs stands for observation
for obs in sample:
    D += obs*math.log(obs/mean_of_Y, 10) - (obs - mean_of_Y)
    # I made the assumption that the log's base is 10

# Now we need to multiply it by 2
D = D*2

# If you want to see it
print(D)

【讨论】：