我正在嘗試解決一本統計書中的練習，并Spark逐步介紹自己MLib。但它只是基本的統計工具。出現的一個簡單問題是用這種概率分布定義的隨機變量：x | 1 2 3 4 5 6
---------------------------------
Px |0.1 0.4 0.2 0.1 0.1 0.1我可以用筆和紙計算期望值和方差。但我想用Spark它來代替。然而，我認為沒有辦法聲明一個數字列表以及一個發生概率列表。我怎樣才能做到這一點Spark？是否MLib已經需要這種簡單的期望值和方差計算？
2 回答
阿波羅的戰車
TA貢獻1862條經驗 獲得超6個贊
您可以創建一個包含兩列的數據框x，Px然后例如對于期望值做df.agg(sum(col("x") * col("Px")).alias("expected_value")).first()
對于方差，您需要使用方差公式。
為此不需要 MLib
波斯汪
TA貢獻1811條經驗 獲得超4個贊
它有效。但有點長。
@Test
@DisplayName("E8.2 : Déterminer la distribution de probabilité d'une v.a. X")
public void distributionVariableAleatoireX() {
StructType schema = new StructType()
.add("x", IntegerType, false)
.add("Px", DoubleType, false);
List<Row> rows = new ArrayList<>();
rows.add(RowFactory.create(1, 0.1));
rows.add(RowFactory.create(2, 0.4));
rows.add(RowFactory.create(3, 0.2));
rows.add(RowFactory.create(4, 0.1));
rows.add(RowFactory.create(5, 0.1));
rows.add(RowFactory.create(6, 0.1));
Dataset<Row> ds = this.session.createDataFrame(rows, schema);
double esperance = ds.agg(sum(col("x").multiply(col("Px")))).first().getDouble(0);
Column variation = col("x").minus(esperance);
Column variationCarre = variation.multiply(variation);
Column termeCalculVariance = col("Px").multiply(variationCarre);
double variance = ds.agg(sum(termeCalculVariance)).first().getDouble(0);
LOGGER.info("E(X) = {}, V(X) = {}", esperance, variance);
}
E(X) = 3.0
V(X) = 2.2
添加回答
舉報
0/150
提交
取消